从ρ-θ累加器到梯度投票法——OpenCV霍夫变换三大算法源码全解析与交通标志检测实战

cv::HoughLines(edges, lines, 1, CV_PI/180, 150)。

5个参数，一行调用。看起来跟调任何一个普通函数没区别。

但你打开 OpenCV 的modules/imgproc/src/hough.cpp，会发现这个文件有 2523 行 C++ 代码。里面装着三种完全不同的投票算法——标准霍夫直线检测、概率霍夫直线检测、梯度霍夫圆检测——外加一个 OpenCL GPU 加速路径和一个更新的HOUGH_GRADIENT_ALT替代算法。从定点算术的三角函数表预计算，到随机采样的线段提取，再到并行化的梯度方向投票，一个hough.cpp文件几乎穷尽了"从边缘像素到几何参数"这条路上所有能用的工程手段。

这篇来拆这 2523 行代码里的三大核心算法。不停留在"参数空间投票"这种教科书描述，而是深入到源码的每一行，搞清楚 OpenCV 的工程师们具体怎么建累加器、怎么做局部极大值搜索、怎么用随机采样优化、怎么用梯度方向把三维投票降成二维投票。最后，用霍夫圆检测做一个交通标志检测的原型，把源码知识落地到实战。

全景：hough.cpp 的三大算法与文件结构

在逐段拆解源码之前，先建一张全景图。hough.cpp的 2523 行代码按功能分成三大块：

hough.cpp (2523 行) │ ├── 标准霍夫直线检测 (HoughLinesStandard) ─── 第 119~243 行 │ ├── 三角函数表预计算