目录
- 一、概述
- 1.1 算法定义
- 1.2 实现过程
- 二、方法1（skimage库）
- 2.1 代码实现
- 2.2 结果示例
- 三、方法2（cv2库）
- 3.1 代码实现
- 3.2 结果示例
- 四、结果对比
🙋 结果预览
一、概述
1.1 算法定义
方向梯度直方图（Histogram of Oriented Gradient，HOG）：是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。是用来计算局部图像梯度的方向信息的统计值。这种计算方法与边缘方向直方图EOH，尺度不变特征转换SIFT以及形状上下文方法有很多相似之处，但与他们的不同点是：HOG描述器是在一个网格密集的大小统一的单元上计算，而且为了提高性能，还采用了重叠的局部对比度归一化技术。HOG特征结合支持向量机SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。
1.2 实现过程
- 图像灰度化。
- 采用色彩归一化对输入图像进行颜色空间的归一化，目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪声的干扰。
- 计算图像每个像素的梯度（包括大小和方向），主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。
- 构建直方图，将图像划分为小单元（例如，8x8像素/单元）。
- 统计每个单元的梯度直方图，可形成每个单元的
的突破，关注NLP在机器翻译、情感分析、聊天机器人等方面的最新研究成果和应用案例。)
)
