本文详细介绍了HOG（Histogram of Oriented Gradient）特征，一种用于计算机视觉和图像处理的物体检测特征描述子。HOG特征通过计算图像局部区域的梯度方向直方图来描述图像纹理和边缘。文章讲解了像素点梯度、梯度方向直方图的概念，并阐述了HOG特征的实现方法，包括图像预处理、细胞单元统计、块归一化等步骤。在OpenCV中，HOGDescriptor结构体用于表示HOG特征类，提供了特征提取的实现。
Hog特征综述
背景
方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。它是一种能够很好地描述图像局部纹理或边缘的方向密度分布的一种特征。Hog特征结合 SVM分类器用于行人检测具有很好效果。
两个概念
像素点梯度与梯度方向
假设图像中像素点(x,y)的像素值为：
用表示水平方向梯度：
=
-
用 表示垂直方向梯度：
=
-
(x, y)像素点的梯度幅值跟梯度方向
用
最低0.47元/天 解锁文章
扫一扫
436
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
