计算机视觉之分组和拟合

为什么要有拟合？（对已有图像信息的整合）
对在低级视觉中利用局部特征提取得到的边缘点可能形成的全局形状的拟合。

1.特征点所属的拟合模型
2.确定模型样子
3.确定总的拟合模型个数

Hough transform
确定拟合对象的参数
做法：
用cell表示模型参数的取值，判断特征点是否在该参数（cell的坐标系表示参数取值）确定的模型上，若在则cell值加1，最终cell中票数最高的cell所表示的参数为拟合模型的参数。
举个例子，如何根据一堆点来确定直线：
设置合适的步长，取多个p和theta，对于每个点计算是否在
若在，则为该参数值加1

四个直线拟合常用方法：
1.最小二乘法
最小化目标函数来求参数

2.上面方法利用的垂直距离，无法计算垂直于x轴的直线，于是有了总体最小二乘法，ax+by+c表示的是点到直线的距离，最小化目标函数求直线的参数：