图像HOG特征的生成

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
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值