霍夫线变换是一种从图像中检测直线的经典计算机视觉算法。它将图像空间的直线映射到参数空间(ρ,θ)中的一个点，通过在参数空间中寻找累积投票的峰值来定位直线。由Paul Hough于1962年提出，至今仍被广泛应用。

ρ：原点到直线的垂直距离（有正负），以像素为单位。
θ：垂直线与x轴的夹角，范围0°到180°（0到π弧度）。一条直线在霍夫空间中被唯一地表示为一个(ρ,θ)点。

霍夫变换需要对每个像素进行投票。如果对所有像素投票，计算量巨大且噪声干扰严重。边缘检测（如Sobel、Canny）先提取出可能是直线边界的像素点，大幅减少投票基数，提高检测精度和速度。

霍夫阈值表示一条直线至少需要获得多少边缘点的投票。阈值越低，检测到的直线越多（含噪声）；阈值越高，只检测到最显著的直线。建议从较高阈值开始，逐步降低以发现更多细微直线。

优点：对噪声和部分遮挡鲁棒性强，能检测断裂的直线段。
缺点：计算量大（尤其高分辨率时），无法直接确定线段的起点和终点，对曲线无能为力。

车道线检测（自动驾驶）、建筑物轮廓提取（遥感）、表格识别（文档分析）、工业检测（PCB板线检测）、机器人导航等。OpenCV中的cv2.HoughLines()和cv2.HoughLinesP()是常用实现。