HOG描述子提取

最近接触机器学习相关工作，工作中使用分类和检测算法，提取特征是算法的前提。OpenCV自带了HOG、Haar和LBP描述子。下面将工程中用到的HOG描述子特征提取进行记录整理。

一、OpenCV原函数：

1、特征描述子对应类的构造函数

CV_WRAP HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride,

                  Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1,

                  int _histogramNormType=HOGDescriptor::L2Hys,

                  double _L2HysThreshold=0.2, bool _gammaCorrection=false,

                  int _nlevels=HOGDescriptor::DEFAULT_NLEVELS)

    : winSize(_winSize), blockSize(_blockSize), blockStride(_blockStride), cellSize(_cellSize),

    nbins(_nbins), derivAperture(_derivAperture), winSigma(_winSigma),

    histogramNormType(_histogramNormType), L2HysThreshold(_L2HysThreshold),

    gammaCorrection(_gammaCorrection), nlevels(_nlevels)

{}

除了前五个参数都是默认参数，故此我们只关心前五个参数就可以了。

_winSize：图像大小，为了保证每张图像描述子个数相同，一般需要归一化成统一大小。

_blockSize：块大小，每一块提取一次描述子

_blockStride：滑窗移动跨度，提取完当前块移动到下一块的水平竖直距离

_cellSize：每个统计单元大小，每个块切割成若干个单元

_nbins：每个单元的特征值个数

2、计算特征值函数

CV_WRAP virtual void compute(const Mat& img,

                         CV_OUT vector<float>&descriptors,

                         Size winStride=Size(), Size padding=Size(),

                         const vector<Point>& locations=vector<Point>()) const;

同理,该函数只有前两个参数没有默认参数，一般只需要前两个参数便可。

img：输入图像

descriptors：图像对应的特征值结果

二、使用以上两个函数即可完成特征提取。

下面是使用示例：

vector<float>& hogFeature

Mat imggray1;

resize(imggray, imggray1, Size(cnSizeW, cnSizeH),0, 0, CV_INTER_LINEAR);

vector<float> desHogs;

HOGDescriptorhog(imggray1.size(), Size(16, 16), Size(8, 8), Size(8, 8), 9);

hog.compute(imggray1,desHogs);

for (vector<float>::iterator it = desHogs.begin();it != desHogs.end(); it++)

{

    hogFeature.push_back(*it);

}

这样就将图像imggray中的HOG特征向量提取出来，存放到hogFeature中。具体如何使用该向量，是检测和分类算法的问题了。

当然可以根据具体需求设计自己的描述子，但是，一般使用算法库自带的描述子提取函数已经足够了。