Matlab图像处理学习笔记（八）：用广义霍夫变换筛选sift特征点

经过几天的学习研究，终于完成了广义霍夫变换（Generalised Hough transform）对特征点的筛选。此法不仅仅针对sift特征点，surf，Harris等特征点均可适用。

这几天我发现关于广义霍夫变换的资料少之又少，不过经过仔细研读各方的资料，我对Generalised Hough transform也有了一点认识，如果有理解的不对的地方，还请指正。

在介绍Generalised Hough transform之前，先简要介绍一下霍夫变换。我们都知道，用霍夫变换可以检测直线，圆，椭圆等，或者说只要该形状是可解析的，都可以用霍夫变换来进行识别。我认为，霍夫变换的关键点有两点：

1、投票机制的引入。

2、参数空间的转换。

举个例子，好比一条线段，在x-y坐标系下，一条直线的特征并不是那么明显的，但在转换到p，theta参数空间后，一条线段的特征就很明显，再加上投票机制，如果一个累加单元中有较大值，则可以判定存在一条线段。圆也一样。但直线、圆、椭圆等这些形状其实都是可解析的，也就是可以用一个方程式来表达，如果现在有一个不规则形状，他就没办法了。因此，D.H. Ballard在1981年将霍夫变换进行推广，提出了广义霍夫变换（Generalised Hough transform）。好了，下面进入本文的关键，广义霍夫变换（Generalised Hough transform）。

本文的主要参考资料如下：

%referrence：
% David G. Lowe，Distinctive Image Features from Scale-Invariant Keypoints
% David G. Lowe，Object Recognition from Local Scale-Invariant Features
% D.H.