霍夫變換常用於檢測直線特征，經擴展後的霍夫變換也可以檢測其他簡單的圖像結構。

在霍夫變換中我們常用公式

ρ = x*cosθ + y*sinθ

表示直線，其中ρ是圓的半徑（也可以理解為原點到直線的距離），θ是直線與水平線所成的角度（0~180°），確定了它們，也就確定一條直線了，和下圖略有出入的是實際的原點定在圖片左上角。

原理是對於輸入的二值圖像中的像素點（有值的），按照步長（參數三參數四對應rho和theta的步長）分別計算出每個點上的所有可能的直線。記錄下每條直線經過的點數（即存在多個點計算出的直線有交集），按照閾值（參數五）篩選符合條件的圖像。

霍夫變換

霍夫變換接收二值化的輸入，即已經進行初步的輪廓檢測之後，才進行直線檢測；輸出一組cv::Vec2f，通常用vector<CV::Vec2f>接收，所以我們通常使用Canny檢測之後進行霍夫變換。

輸出的兩個float數字表示(rho, theta)，使用cv::line繪圖，因其參數需要的是線段的兩個端點，所以我們不得不進行還原操作。

void hough() {
	cv::Mat image = cv::imread("road.png");
	cv::Mat midImage;
	cv::Canny(image, midImage, 50, 200, 3);
	std::vector<cv::Vec2f> lines;
	cv::HoughLines(midImage, lines, 1, CV_PI / 180, 150);  // 輸入的時二值圖像，輸出vector向量
	for (size_t i=0; i < lines.size(); i++) {
		float rho = lines[i][0]; //就是圓的半徑r
		float theta = lines[i][1]; //就是直線的角度
		cv::Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a*rho, y0 = b*rho;
		pt1.x = cvRound(x0 + 1000 * (-b));
		pt1.y = cvRound(y0 + 1000 * (a));
		pt2.x = cvRound(x0 - 1000 * (-b));
		pt2.y = cvRound(y0 - 1000 * (a));

		cv::line(image, pt1, pt2, cv::Scalar(55, 100, 195), 1); //Scalar函數用於調節線段顏色，就是你想檢測到的線段顯示的是什麽顏色

		cv::imshow("邊緣檢測後的圖", midImage);
		cv::imshow("最終效果圖", image);
	}
}

概率霍夫變換

概率霍夫變換輸出Vec4i，直接輸出了每一條線段的首尾，繪圖更加方便。它是霍夫變換的改進版，由於算法的改進（會沿著搜尋到的直線掃描圖像），可以進一步檢測到線段的長度，除了最小投票數（參數五）外，可以額外限制最小線段長度（參數六）和同一線段最大像素間距（參數七）。

void houghp() {
	cv::Mat image = cv::imread("road.png");
	cv::Mat midImage;
	cv::Canny(image, midImage, 50, 200, 3);
	std::vector<cv::Vec4i> lines;
	cv::HoughLinesP(midImage, lines, 1, CV_PI / 180, 50);  // 輸入的時二值圖像，輸出vector向量
	for (int i=0; i < lines.size(); i++) {
		cv::Point pt1(lines[i][0], lines[i][1]);
		cv::Point pt2(lines[i][2], lines[i][3]);
		cv::line(image, pt1, pt2, cv::Scalar(0, 255, 255));
	}
	cv::imshow("概率霍夫變換", image);
}

『OpenCV3』霍夫變換