霍夫变换算法理解

霍夫变换个人理解就是将一种检测事件，转换为一种概率统计问题，期间需要找到起变换公式。其标准定义可自行百度。
一、 霍夫变换直线检测
直线我们一般可以在直角坐标系用斜截式来定义，即y=k*x+b。但同时也可以用极坐标系进行表示，即xcosθ+ysinθ=r。

这里当（x,y）一定时，当θ在0-pi范围内，可以得到一条曲线

当同时3个点，作曲线可以得到如下图

其中，可以看到一个公共交点，该交点就说明，这3个点在交点处的(θ,r）时，处在同一条直线上。当一幅图像上的需要特征点进行处理时，可以得到一个(θ,r）的直方图，可以获取其中极大值点，这些极大值点就是要获取的待检测直线。
在opencv使用中，一般步骤：
1、 图像高斯滤波
2、 Canny边缘检测
3、 Houghlines进行霍夫直线检测

二、 霍夫变换圆检测
圆检测和直线检测思想基本相同，只是在转换表达式不同。
一般表达一个圆个方程为(x-a)2+(y-b)2=r2，这里将其变换为如下形式表示。

接下来我们可以先获取每个特征点的梯度，计算每个点在梯度方向上的直线坐标点，将计算的每个点值，放在图像坐标系中进行获取直方图。其中如果一个圆边缘，经过处理后，其会同时交于一点，其效果如下图：

也就是说，直方图中，可以根据一定阈值策略，得到圆心坐标。接下来再有圆心坐标，计算到每个点的距离值，获取一个距离直方图，便可以得到圆的半径值，此时，便完成了圆的检测工作。
1、 图像高斯滤波
2、 Canny边缘检测
3、 HoughCircles进行霍夫直线检测

参考链接：
1、https://www.cnblogs.com/lancer2015/p/6852488.html
2、https://www.cnblogs.com/long5683/p/9678386.html
3、https://blog.csdn.net/weixin_40196271/article/details/83346442