ByteCat

角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中，也称为特征点检测。

除了霍夫变换之外，还有别的方法来提取图像空间信息。最常用到的三种空间特征分别为HOG特征、LBP特征及Haar特征。

霍夫变换不仅可以用来检测直线，同样也可以用来检测圆。

车道线检测是自动驾驶汽车的重要组成部分之一，有很多方法可以实现该功能。本文使用最简单的霍夫变换方法做到这一点。

在图像处理和计算机视觉领域中，如何从当前的图像中提取出所需要的特征信息是图像识别的关键所在。在许多应用场合中需要快速的检测出直线或者圆。其中一种非常有效的的解决方法是霍夫变换，其为从图像中识别几何图形的基本方法。

很多时候只有边缘还不够，我们还需要获得图片上的某物体轮廓。轮廓可以简单认为成连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。

Canny算法是一种非常流行的边缘检测算法，它是基于空间域的。

将图像转化到频率域后应用高通滤波器，实现边缘检测。

傅立叶变换可以将图像由空间域变换到频域中去，逆傅立叶变换则相反。

摄像头测距就是计算照片中的目标物体到相机的距离。