总结一下Hough变换和最小二乘法的异同

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。