HOG特征详解-----梯度方向直方图

---

HOG全称histogram of oriented gradients.如翻译成中文就是方向梯度直方图

步骤一：了解图像的梯度

在讲HOG（方向梯度直方图）之前，我们先要知道图像的梯度是什么。

这里我们先用一个最简单的黑白图来演示一下：

首先我们先计算x方向上的梯度（也就是水平方向），我们要做的是从图像的 左边到右边进行扫描，黑色的像素为0，白色像素值为255，当我们从黑色扫描到白色时，像素值突然从0变到了255，这就产生了一个梯度差，如下图的梯度图像所示：

可以看到，梯度图像中，因为像素值从0到了255升高了，是个正的梯度，所以白色的部分表示这里是一个正的梯度（圆形的左侧），再继续扫描，从白色突然变到黑色，从255突然变到了0，像素值下降了，是个负梯度，用黑色部分表示负梯度（圆形右侧）

同理，我们可以得出垂直方向上的梯度图像，如下图：

步骤二：计算每个点的梯度强度和梯度方向

现在知道了什么是梯度之后，我们要如何计算梯度呢？

这里假设一个像素点A，他的上下左右四个方向上的相邻像素值为：

对于像素点A，要计算水平梯度和竖直梯度，如上图，水平梯度${\mathbf{g}}_{\mathbf{x}}$=30-20=10,竖直梯度 ${\mathbf{g}}_{\mathbf{x}}$ =64-32=32.

那么总的梯度强度值g和梯度方向 θ \boldsymbol{\theta }