快速霍夫变换
霍夫转变的目的思想原则性质？
canny和霍夫变换用于什么？
霍夫转变的目的思想原则性质：
它是将图像平面上的点对应于参数平面上的线，最后通过统计特性解决问题。如果图像平面上有两条直线，最终会在参数平面上看到两个峰值点，依此类推。
霍夫变换是一种在图像处理中识别几何形状的方法。它广泛应用于图像处理中。霍夫变换不受图形旋转的影响，易于快速变换几何图形。基于霍夫变换的改进方法有很多。其中一个重要的方法是广义的霍夫变换，它可以用来检测任何形状的曲线。
请问谁知道霍夫变换的原理是什么？
霍夫转换是利用参数空间中的变换（ρ，θ）表示一条直线，其中一条直线ρ从原点到直线的垂直距离，θ从原点到直线的垂直线段和θ的夹角。通过几何方法(添加辅助线，类似三角形)，我们可以证明直线上的任何点都有ρ=xcosθ ysinθ。知道这个原理后，我们就可以方便了ρ和θ对每个点的值域进行测试，即每个点的坐标，θ带入xcosθ ysinθ判断是否等于ρ即可。如果等于，则表示此点在此直线上。我们的直线通过遍历所有点（ρ，θ）进行投票。设置一个阈值可以得到更明显的(点数较多)直线。
原率转换原理？
概率变换原理是指特征检测(feature extraction)，广泛应用于图像分析（image analysis）、计算机视觉(computer vision)以及数字图像处理(digital image processing)。霍夫变换用于识别和发现物体的特征，例如：线条。他的算法过程大致如下:给定一个物体的类型和要识别的形状，算法将在参数空间中(parameter space)物体的形状由累积空间决定(accumulator space)局部最大值(local maximum)来决定。
原率转换原理？
1.在边缘图像上随机获取前景点，映射到极坐标系绘制曲线；
2.当极坐标系中有达到最小投票数的交点时，对应该点x-y找出坐标系的直线L；
3.在边缘图像上搜索前景点，在直线L上的点(和点之间的距离小于maxLineGap)连接成线段，然后删除所有这些点，并记录线段的参数(起点和终点)，当然线段的长度要达到最小长度；
4.重复1. 2. 3.。