原理详解
一个总结帖
上面的链接写的很清楚了
但是不能让我看起来太摸鱼了，于是我说一下自己的想法再添加一点细节和理解
霍夫变化实际上就是把一张图片上所有的点都连接起来，然后根据阈值来判断是否这一条线上的点超过了阈值，如果超过了那么这条线就放入结果当中，如果没超过则跳过
一条二维平面上的线是通过斜率和截距来确定的，y=kx+b，如上面的链接所说，在霍夫空间里面，一个点等效与笛卡尔坐标下的一条线，笛卡尔坐标下的一个点等效于霍夫空间的一条线
但是为了表示当k不存在的时候，霍夫空间依旧能有对应的点，所以用极坐标来表示霍夫空间，这样无论任何的kb都会有对应的曲线表示
以上便是原理的通俗说法
放几张图来展示一下
阈值：70
阈值：90
阈值：110
阈值：130
可以看出，阈值越大，线是越少的，这是符合我们所讲的原理的
同时，线越少，速度是越快的，效率越高
还需要注意的是，这个阈值是相对的，不是绝对的，因为图片的像素不同，所以阈值的确定还要根据像素来
函数使用场景主要就是来给图片画线，比如倾斜的文本矫正，就需要先画线，再根据大多数线的角度来矫正
一些建筑的图片需要其透视轮廓的时候，直接取轮廓可能是歪斜的线，用霍夫变换可以得到更加完美的线
但是！问题也是很明显的！我并不能用它提取边框。无论是二值化还是canny边缘检测，我是无法剔除中间的内容的（普适化，不针对特定图片），这样就导致了上图的情况，只有水平的线，没有垂直的线，当阈值足够低的时候或许会出现垂直的线，但那个时候我才应该满屏幕都是线了【无奈】
所以这个函数总结一下就是描绘了一张图上点的趋势
