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区间,有利于计算,减少计算量。
img=img/255 ;(像素值是0-255)
2》Gamma矫正。
HOG的算法首先第二步是进行Gamma矫正,(类似于直方图均衡化,夸大灰度图像的区间,一般取值为0.5-0.8,主要是消除强烈光照影响)
公式:Gamma=IMG^gamma ;(gamma=0.8)
(加强理解)对原图像进行指数变换。
3》计算梯度。
这是核心部分,计算图像的X、Y方向的梯度信息。公式如下:
Gx[ i , j ]=i