hog图片的可视化

最新推荐文章于 2023-01-17 16:38:50 发布
最新推荐文章于 2023-01-17 16:38:50 发布
阅读量485 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hodors/article/details/112518528
版权

hog图片的可视化

from skimage.feature import hog

image = mpimg.imread(rootPath + r'crop-delete-images/0.03 s.jpg')
pixelsPerCell = 32
kwargs = dict(orientations=8, pixels_per_cell=(pixelsPerCell, pixelsPerCell), cells_per_block=(1, 1), transform_sqrt=True)
normalised_blocks, hog_image =hog(image,visualize=True, **kwargs)

from skimage import exposure
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.02))
final_img = image * hog_image_rescaled

plt.imshow(hog_image)
plt.imshow(hog_image_rescaled)
plt.imshow(final_img)
fK0pS
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
HOG特征自己编程实现《python图像处理篇》
猛男的博客
10-24 722
引言：在图像处理领域，HOG可算是技术元老了，它在深度学习还没出生之前，可所谓是爆红，相对于是当时的网红，红人，热搜。 1.HOG原理 HOG主要是统计图像的梯度信息，类似于直方图，只不过直方图统计的是像素值，HOG统计的是像素的梯度信息，可以这样理解，HOG是在直方图的基础上做了梯度信息，有点像站在巨人的肩膀上。（小琼的简单粗暴理解，如果理解错误，欢迎大家批评指正） 2.主要内容（算法流程） 1》标准化。 规范的术语叫，主要目的是将图像的像素值归一化到0-1...
传统的图像处理方法（HOG+SVM）
最新发布
HOOK1的博客
11-20 87
【代码】传统的图像处理方法（HOG+SVM）
HOG可视化.rar_HOG可视化_HOG梯度方向_HOG特征可视化_图像局部特征_图像梯度方向
07-15
HOG特征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，程序可以对图片中的hog特征进行可视化梯度大小和方向。
【数据分析与可视化】SKlearn主要功能和模块概述（图文解释 简单易懂）
showswoller的博客
01-17 2358
【数据分析与可视化】SKlearn主要功能和模块概述（图文解释 简单易懂）
图像表示-HOG特征
Lavi的专栏
06-08 1229
HOG特征详解 HOG：从理论到OpenCV实践 这两篇博客讲得比较好，第一篇比较简洁，第二篇比较详细，联合服用效果更佳，自己的之后再整理。
计算并显示HOG直方图
人工智能
08-18 385
首先使用skimage进行计算和显示，需要安装scikit-image conda install scikit-image 代码参考https://blog.csdn.net/mago2015/article/details/85320347 from skimage.feature import hog from skimage import io from PIL import Image import cv2 img = cv2.imread('a.jpeg', cv2.IMREA..
HOG特征可视化C代码
10-25
配置好opencv249和VS2012的环境之后，设置好工程项目的属性，运行HOGvisualize\Debug或HOGvisualize\Release目录下的opencvtest.exe程序便可看到运行结果，即objimg.jpg图片的hog特征可视化图像hogvisualize.jpg。...
统计图像的HOG特征信息
10-06
可以获取图像的HOG特征信息，用于行人检测等。内有详细注释。
HOG 可视化 opencv 版本
911的专栏
05-12 4977
自己添加头文件ba // HOGDescriptor visual_imagealizer // adapted for arbitrary size of feature sets and training images Mat get_hogdescriptor_visual_image(Mat& origImg, vector& descriptorValues, Size winSi
可视化
u012147293的专栏
09-16 500
培养目标：本专业培养面向政府和企业的编程人员和开发人员，使毕业生能适应团队开发环境，熟练使用相关主流开发平台，按照设计要求完成相关的功能模块设计、编码、调试和单元测试工作。 培养要求： 1.基础能力： （1）职业道德修养：具备良好的团队合作精神和职业精神。 （2）专业外语应用能力：能熟练应用IT专业英语，能够阅读编写相关英文技术文档。 （3）初步具有分析具体项目，设计项目的能力。 2.
HOG-SVM图片分类
10-23
手写识别体mnist的分类， 基于HOG-SVM。需要自己准备数据
经典图像 HOG 特征
未选之路
02-19 1万+
图像特征提取在对象检测中具有重要的地位，许多论文提出过许多里程碑式的特征，比如LAB特征，HOG特征等。 HOG特征及FHOG特征（Deformable Part Model中HOG的一种变种）都是利用了图像的梯度信息作为图像信息的描述工具，其基本的思想是在一副图像中，局部的表象和形状（apparence and type）能够被梯度或者边缘的方向密度分布很好的描
基于HoG 的图像特征提取及其分类研究
weixin_53598445的博客
12-30 4194
目录1 介绍2 方法2.1 数据集准备2.2 特征提取2.3 降维 1 介绍    特征提取是图像处理中的一大领域,著名的提取算法有HoG(Histogram of Oriented Gradient)[1]、LBP(Local Binary Pattern)[2]和Haar-like[3]等等。近些年来,随着GPU算力的急速发展,深度学习也得到了迅速发展,使得图像特征提取的效率大大提升,各种分类任务的正确率不断的刷新提升。而深度学习存在着较差的可解释性和海量数据需求的问题,这是对机器视觉任务来说是伪命题,
关于HOG特征的一些理解
minopus的博客
01-08 954
我们最后得到的HOG向量是一个1n的特征向量，其中n是HOG的特征维数。这个向量的每个元素的值代表着每一个block在x个bin上的梯度值之和。 例如700700的灰度图，9个bins，每一个block有1010个cell，每一个cell有2020个pixels，每一个滑动步长stride默认为一个cell的长和宽 那么这个图片的特征维数就是{ [(700-200)/20]+1 } * { [(7...
HOG原理与OpenCV实现
热门推荐
zhangxu
04-28 4万+
方向梯度直方图（Histogram of Oriented Gradient, HOG）于2005年提出，是一种常用的特征提取方法，HOG+SVM在行人检测中有着优异的效果。 HOG特征提取算法原理 在一幅图像中，梯度或边缘的方向密度分布能够很好地描述局部目标区域的特征，HOG正是利用这种思想，对梯度信息做出统计，并生成最后的特征描述。在HOG中，对一幅图像进行了如下划分： 图像(i...
SVM+HOG对图像进行多分类（OpenCV实现）
cuixing001的博客
08-09 1万+
前几个月写了篇关于MATLAB实现SVM+HOG对图像进行多分类，链接：http://blog.csdn.net/cuixing001/article/details/70908064，先开始是用opencv实现的，可是识别效果很差，以为我写错代码了，后来纠结了好久好久，才发现是核函数选择有很大问题！这次改为线性核，效果在这些图片中（所用的图像数据集为:链接: https://pan.baidu.
HOG可视化 opencv
jacke121的专栏
03-02 2451
HOG可视化 opencv
HOG（histogram of oriented gradients）特征个人总结
pressuress的博客
05-31 3918
HOG（histogram of oriented gradients）特征个人总结前述HOG特征概述HOG特征提取图像预处理计算梯度计算区间（cell）直方图归一化块（block）计算HOG特征向量可视化HOG特征结论参考 前述 前段时间参加了一项无人飞行器竞赛，用到了HOG+SVM经典算法识别被测物体。赛后系统的查看论文、博客，对HOG特征进行总结。 HOG特征概述 HOG的全称是histogram of oriented gradients，即梯度方向直方图。在2005年，由Dr. Mubarak
SVM + HOG实现图像分类
学习 & 分享 ~
06-02 4666
训练集标签和数量的统计结果： 提取到的 HOG 特征 初步了解特征的选区是否合适，不适合可以调节 extractHOGFeatures 里的参数，比如 cellsize，blocksize，bins等。 参考：extractHOGFeature只列出几项最终的分类结果：...
c++hog使用compute之后可视化
05-19
如果您使用的是 OpenCV 中的 HOG 特征提取函数 `cv::HOGDescriptor::compute()`，那么可以通过以下步骤可视化 HOG 特征： 1. 通过 `cv::HOGDescriptor::getDescriptorSize()` 获取 HOG 特征向量的维度。 2. 通过 `cv::Mat::reshape()` 将 HOG 特征向量变为二维矩阵。 3. 对每个特征向量进行可视化，可以使用 `cv::resize()` 进行缩放，并使用 `cv::imshow()` 显示图像。 下面是一个简单的示例代码： ```c++ cv::Mat image = cv::imread("image.jpg"); cv::HOGDescriptor hog; hog.setSVMDetector(hog.getDefaultPeopleDetector()); std::vector<cv::Point> found_locations; std::vector<float> descriptors; hog.compute(image, descriptors); int descriptor_size = hog.getDescriptorSize(); cv::Mat hog_matrix(descriptors.size() / descriptor_size, descriptor_size, CV_32FC1, descriptors.data()); for (int i = 0; i < hog_matrix.rows; i++) { cv::Mat feature_vector = hog_matrix.row(i); cv::Mat hog_image; hog.computeGradient(feature_vector, hog_image); cv::resize(hog_image, hog_image, cv::Size(64, 128)); // 根据 HOG 特征向量的维度进行调整 cv::imshow("HOG Feature", hog_image); cv::waitKey(0); } ``` 这段代码首先使用 `cv::HOGDescriptor` 对象提取了一张图片中的 HOG 特征向量，然后将这些特征向量转换为二维矩阵，最后对每个特征向量进行可视化，并通过 `cv::waitKey()` 等待用户按下键盘按键以继续。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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