霍夫变换是由美国学者P.霍夫（Paul Hough）于1962年首次提出的，最初的霍夫变换是用来检测图像中的直线。进一步被推广到图像中的直线与曲线的检测。霍夫变换要求知道检测目标形状的解析方程，此方法对存在噪声的对象检测具有一定的检测鲁棒性。广义霍夫变换可以用来检测任意的形状，但需要检测对象精确形状的先验信息。

霍夫变换的基本思想是利用图像空间与参数空间中存在的对偶性，将形状检测问题从图像空间中转换到参数空间中进行。假定要检测的直线或者曲线解析方程为，式中表示图像空间的坐标向量，表示直线或者曲线的参数向量。则霍夫变换的基本检测过程为：①在参数的取值范围内量化参数空间，形成与参数空间的量化结果相匹配的累加数组，并初始化为0。②在梯度图像（可以进行适当阈值化）中，在所有图像点上遍历参数取值范围，增大所有满足的累加数组，即。③使累加数组取局部最大值的参数向量所对应的图像坐标向量为所检测到的图像空间中的直线或者曲线。霍夫变换由于将形状检测问题从图像空间转换到参数空间中，因此基于霍夫变换的检测方法对于待检测直线或者曲线的不连贯、被遮挡以及有噪声等问题具有更好的检测鲁棒性。

已知检测目标精确形状的先验信息条件下，广义霍夫变换可以检测任意的图像形状。广义霍夫变换基本原理是利用参考表（R-表）来建立检测目标与参考点的关系，进一步使用霍夫变换进行相关检测。其基本检测过程为：①对检测对象建立R-表描述。②在参数空间建立累加数组，并初始化。③对检测形状上的每个点计算梯度角，并完成累加数组的累加。④由形成累加数组的局部极大值的参考点，获取所检测的形状位置。通过提供近似物体形状信息，改进后的广义霍夫变换还可以检测无精确形状信息的检测对象。

霍夫变换由于可以用于检测图像形状，因此在图像分割与识别以及其他相关领域具有广泛的应用。相关学者也在持续改进霍夫变换技术，从而使霍夫变换的检测能力越来越强，尤其是结合不同应用环境和先验信息的条件下，霍夫变换可以解决很多实际检测问题。