1.选取一个模板图像，最好在图像里面随机选择一个参考点而不是在图像外面选取，然后根据这个参考点和模板图像的所有边缘点，然后将普通边缘点的坐标转换为(r, ɸ)这种形式，r为边界点到选取参考点的长度，ɸ为参考点到边界点的连线与边界点切线的夹角，建立起来一个r-table

2.检测过程中，先把目标图像灰度化，然后用canny边缘检测把图形边缘坐标都提取出来，然后针对每一个边缘点，我们通过查r-table表来得到(r,ɸ)，然后反计算出参考点（Xc,Yc），然后就是一个字典++P[Xc][Yc]，这就是投票，然后看这个二维数组，最大值在哪，那么

参考点就在哪，那么对应的图形就在哪，然后又可以根据参考点算出目标检测里所有坐标

3.有的时候经常还要旋转尺度变换的检测，也就是把算出来的(r,ɸ)，再根据你给的Omin ~Omax, Smin~Smax，每一个都反算一个参考点（Xc,Yc，O，S），然后就是一个 四维字典P[Xc][Yc][O][S]，也是投票，然后看这个四维数组的最大值，也就是投票好的点，那么坐标

就是Xmax,Ymax, 对应的旋转角度rotation就是O，缩放大小Scale也就是S

我的话比较枯燥，可以参考以下几个博客去看：

https://blog.csdn.net/qihangran5467/article/details/78408072

https://blog.csdn.net/marvin521/article/details/9071405

http://www.cnblogs.com/chenyn2014/p/4227171.html

http://www.itriacasa.it/generalized-hough-transform/instructions.html