图像处理之特征提取（一）之HOG特征简单梳理

             图像处理之特征提取：HOG特征简单梳理

         

 HOG方向梯度直方图，这里分解为方向梯度与直方图。

一、方向梯度

梯度：在向量微积分中，标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这个最大的变化率。更严格的说，从欧几里得空间Rn到R的函数的梯度是在Rn某一点最佳的线性近似。在这个意义上，梯度是雅可比矩阵的一个特殊情况。
　　    在单变量的实值函数的情况，梯度只是导数，或者，对于一个线性函数，也就是线的斜率。

在图像中梯度的概念也是像素值变换最快的方向，把边缘（在图像合成中单一物体的轮廓叫做边缘）引入进来，边缘与梯度保持垂直方向。

                                                                                                     图1

方向梯度中的方向是如何确定的？P0到P1的梯度方向：