HOG特征是一种基于梯度直方图的特征提取方法，常用于对象识别和模式匹配。该过程包括Gamma校正、灰度转换、梯度计算、细胞直方图构建、块描述子生成和归一化处理。通过对图像进行分块和角度直方图统计，HOG能捕捉图像的局部结构，适应光照变化和局部变形。在OpenCV中，HOG特征提取通常与SVM结合使用，以实现高效的目标检测。
图像处理之HOG特征提取算法
HOG(Histogram of Oriented Gradient)特征在对象识别与模式匹配中是一种常见的特征提取算法，是基于本地像素块进行特征直方图提取的一种算法，对象局部的变形与光照影响有很好的稳定性，最初是用HOG特征来来识别人像，通过HOG特征提取+SVM训练，可以得到很好的效果，OpenCV已经有了。HOG特征提取的大致流程如下：
第一步：
Gamma校正，主要是对输入图像进行校正，主要是为了补偿显示器带来的灰度偏差。常见的系数在2.5左右，这个方面的资料非常多。ImageJ的源代码中也有Gamma校正的实现，可以参照。
第二步：
图像转灰度，这个也属于常见操作了。
第三
最低0.47元/天 解锁文章
扫一扫
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
