Hough 变换的几何直觉：散乱像素如何“投票”出一条直线
techNmak · x · 2026-11-07
一篇讲解经典计算机视觉技术 Hough 变换的长文，解释它为何能在边缘断裂、残缺或有噪声的图像中检测出直线。
核心思想：
- 一条直线可用两个参数表示：到原点的垂直距离 ρ 和法线角度 θ，即 ρ = x·cos(θ) + y·sin(θ)
- 单个像素可能属于无穷多条直线；算法不逐一连接像素，而是让每个边缘像素为所有可能经过它的直线“投票”
- 每个边缘像素在参数空间中产生一条正弦曲线；同一条直线上的多个像素，其曲线会相交于同一点
- 数字实现中投票累积到离散格子里，参数空间中的显著峰值即对应原图中的直线
历史与局限：Hough 在 1960 年代初提出原始方法，Duda 和 Hart 于 1972 年发展出影响深远的角距公式；应用涵盖扫描文档、道路标线检测、工业几何检测等。局限在于噪声和无关边缘会产生假峰值，参数空间分辨率与投票阈值也会影响检测精度。
精髓在于：图像中看似不连贯的点仍可能共享同一几何结构，Hough 变换把这种“共识”变成投票问题，让计算机在无需线条完整可见的情况下找出模式。
「研究」频道最新
- ICLR/NeurIPS 审稿现 AI 生成套路:把论文自陈局限当扣分理由 — serrjoa · 2026-11-07
- PSI 用非公开 Anthropic 模型证明 2008 年悬置的 Aaronson-Ambainis 猜想 — DeryaTR_ · 2026-11-07
- Perplexity 读书会分享幻灯片串起快权重、测试时训练与 SSM — PMinervini · 2026-11-07
- Poincar3：多视角自蒸馏涌现3D几何理解能力 — rsasaki0109 · 2026-11-07
- 31 岁准硕士生自述：读了几百篇论文，研究点子仍显笨拙 — sooham · 2026-11-07
- JITEngine 为 Apple Silicon 按需合成推理引擎，实测快至 2.7 倍 — AccBalanced · 2026-11-07