Hog特征提取原理过程细节

本文详细介绍了HOG特征提取过程,包括图像预处理、梯度图计算、梯度方向量化及归一化等步骤,并通过实例说明了如何从图像中提取特征。

 Hog

步骤:

  • 图像预处理
  • 梯度图
  • 归一化
  • SVM

一图读懂Hog

 读不懂那就一点一点看吧------------------------------------

1、图像预处理:包括伽马校正或灰度化

2、计算每一个像素点的梯度值,得到梯度图(规模和原图大小一样)

其中:

  • 水平梯度 gx =30-20=10
  • 竖直梯度 gy=64-32=32

到此,梯度图以计算完成

梯度方向的范围是0-180度。取绝对值的原因是这样效果更好

首先,我将0-180度分成9个bins,分别是0,20,40...160。然后统计每一个像素点所在的bin。请看下图:

左上图是8*8的梯度方向值,右上图是8*8的梯度强度值,下图是9个bins。

先看两个蓝色圈圈。因为蓝圈的方向是80度,大小是2,所以该点

评论
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