面试常见的问题之一,hough变换和最小二乘法的区别是什么(相似之处)?
从相似点考虑,Hough变换和最小二乘法都是常见的直线检测、直线拟合方式之一,他们都是从一些点里,找到能够拟合这些点最好的直线。
不同点呢:
1、最小二乘法是统计学方法,常用于数据统计和数值分析方面,而Hough变换则是传统的图像处理方法,是从二维的图像入手的。
2、最小二乘法拟合的是一条直线,其他图形,特别是曲线效果不理想;而Hough变换则可以从很多个点中,找到很多条直线(也可以很有效的找别的图形,这也是区别之一)。
3、最小二乘法会用到所有的点,也就是说对噪声很敏感,它拟合出来的直线并不会穿过所有的点,改变其中一个点的位置,会对结果造成影响(所以有了改进的RANSAC);而Hough变换则更多是“检测”直线,是检测出图像中在一同条直线上最多的点,检测出来的直线,必定会穿过所有相关的点,并且噪点几乎不会对Hough变换造成任何影响。