OpenCV--HOG类介绍，以及使用(python)

OpenCV–HOG类介绍，以及使用(python)

有关HOG特征描述的原理，请参考博客，写的不错[doge]：https://blog.csdn.net/qq_40913465/article/details/106065027

详细的方法使用请参考官网：https://docs.opencv.org/4.1.2/d5/d33/structcv_1_1HOGDescriptor.html#a723b95b709cfd3f95cf9e616de988fc8

本文只介绍计算HOG所需的几个方法，其他方法见官网：

1.使用默认参数创建HOG描述符和检测器。

cv.HOGDescriptor ( winSize, blockSize, blockStride, cellSize, nbins, derivAperture = 1, winSigma = -1, histogramNormType = HOGDescriptor::L2Hys, L2HysThreshold = 0.2, gammaCorrection = false, nlevels = HOGDescriptor::DEFAULT_NLEVELS, signedGradient = false
)

常用参数介绍:

• winSize : 设置滑动窗口大小；
• blockSize : 设置block块大小；
• blockStride : 设置block块每一次移动的像素点大小；
• cellSize : 设置cell单元格大小；
• nbins : 设置bin数的数目；

后面的参数设置默认就行并不常用，如果想更改请参考官网。

计算给定图像的HOG描述符

cv.compute(img, winStride, padding)

参数介绍：

• img : 包含将计算HOG特征的图像的CV_8U类型的矩阵;
• winStride : 窗口大小，必须是blockStride的倍数；
• padding : 边界处理的padding。

代码示例：

import cv2 as cv 
import numpy as np

img = cv.imread("./img/lena.jpg",0)
img = cv.resize(img, (64,128))
cv.imshow("img", img)
cv.waitKey(0)
cv.destroyAllWindows()

#设置参数
winSize = (64,128)
blockSize = (16,16)
blockStride = (8, 8)
cellSize = (8,8)
nbins =9
padding = (1,1)

hog = cv.HOGDescriptor(winSize, blockSize, blockStride, cellSize, nbins)
hogdescriptor = hog.compute(img, padding)
print(hogdescriptor.shape)

(3780, 1)