霍夫变换(Hough Transfrom)是图像处理中的一种特征提取技术,它通过一种投票算法检测具有特定形状的物体,该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换的结果。
最初的霍夫变换是设计用来检测直线和曲线的,起初的方法要求知道物体边界线的解析方程,但不需要有关区域位置的先验知识,这种方法的一个突出优点是分割结果的鲁棒性,即对数据的不完全或者噪声不是非常的敏感,然而要获得描述边界的解析表达常常是不可能的;后经过推广,经典霍夫变换用来检测图像中的直线,再后来霍夫变换扩展到任意形状物体的识别,多为圆或者椭圆。霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或者直线映射到另一个坐标空间的一个点上形成峰值,从而把检测任意形状的问题转化为统计峰值问题。
霍夫变换在OpenCV中分为霍夫线变换和霍夫圆变换两种。
--------------OpenCV中的霍夫线变换
(1)对于直角坐标系中的任意一点A,经过点A的直线满足