直线的解析式有多种形式，由于用斜率描述的直线存在斜率无穷大的特殊情况,这里选用直线的极坐标描述：ρ=хcos(θ)+уsin(θ)

    式中ρ为直线到原点的距离，θ为限定了直线的斜率。对于任意一组确定的（ρ，θ），上式都可以唯一确定一条直线。开辟二维参数空间H（ρ，θ），对ρ，θ整数化，则对于任意有限平面区域，参数空间H可以表示为有限个点的集合。而H（ρ，θ）中任意点都一一对应原平面区域上的一条直线。

    将上述结论推广到任意平面图像上可知，图像上任意直线区域都可以一一对应参数空间H（ρ，θ）中一个点，而图像上的任意像素都同时存在于很多直线区域之上。可以将图像上的直线区域想象为容器，把特定像素想象成放在容器中的棋子，只不过在这里，每个棋子都可以同时存在于多个容器中。那么Hough变换可以理解为依次检查图像上的每个棋

首先我们必须知道彩色数字图像其实是一个m*n*3的数字矩阵组成的，其中的m*n表示图片在宽度和高度上的像素大小，我们通常说的320*240的普通MP3的图片格式就是由宽度上320个像素点和高度上240个像素点组成。而之所以乘3，是因为彩色采用的rgb(red,green,blue)的方式。对于图片上的每个点的颜色，都由3个数字(r,g,b)来决定，如(255,0,0)为红色，（0,255,0）为绿色。每个数字介于0~255之间(8位表示法)。

对图片的放大和缩小，也就是说根据原来的图片矩阵来产生新矩阵。对于新矩阵的每个像素点，其取值有两种方式：

一种是取对应原来位置最近的那个点的像素，这种做法失真比较高，我们称这种做法为“nearest”；

另一种做法是取原来位置周围四个点的加权平均值，这种做法得到的图片比较柔和，我们称这种做法为双