图像HOG特征的生成

最新推荐文章于 2024-01-01 18:25:04 发布

轩动day

最新推荐文章于 2024-01-01 18:25:04 发布

阅读量1.3k

点赞数

CC 4.0 BY-SA版权

分类专栏： matlab hog 文章标签： matlab hog

本文链接：https://blog.youkuaiyun.com/dayenglish/article/details/39523867

本文通过分析MATLAB代码，详细解释了HOG（Histogram of Oriented Gradients）特征的生成过程，这对于理解和应用HOG特征有所帮助。虽然这里的实现简单，不同于复杂的DPM（Deformable Part Models）中的HOG，但依然是学习HOG计算的良好起点。完整代码可在作者资源中获取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要是根据分析一份matlab代码PHOG特征生成的demo得到的，作为总结便于以后使用。

if sum(sum(G))>100
    E = edge(G,'canny');
    [GradientX,GradientY] = gradient(double(G));
    GradientYY = gradient(GradientY);
    Gr = sqrt((GradientX.*GradientX)+(GradientY.*GradientY));
            
    index = GradientX == 0;
    GradientX(index) = 1e-5;
            
    YX = GradientY./GradientX;
    if angle == 180, A = ((atan(YX)+(pi/2))*180)/pi; end
    if angle == 360, A = ((atan2(GradientY,GradientX)+pi)*180)/pi; end
                                
    [bh bv] = anna_binMatrix(A,E,Gr,angle,bin);
else
    bh = zeros(size(I,1),size(I,2));
    bv = zeros(size(I,1),size(I,2));
end

首先需要说明的是G是一幅灰度图，将灰度图看做矩阵进行统计，看看是否有足够的像素产生梯度信息，如果小于100的话，表明整个图像接近于是一幅完全的黑色图像。经过上面的比较之后，再对图像进行canny轮廓处理，得到的图像为0-1二值图像（至于其用处在后面介绍）。紧跟其后是对整个图像求梯度，由于梯度实际上是一个在X或者Y方向上的方向向量，所以后面的GradientY./GradientX就相当于求得某一个像素点处的方向向量（tan=sin/cos）。不过由于GradientX可能等于0，所以在此之前，需要对GradientX做一个调整，将等于0的调整为一个较小的值。由于atan