计算机视觉面试考点（2）HOG

计算机视觉工程师在面试过程中主要考察三个内容：图像处理、机器学习、深度学习。然而，各类资料纷繁复杂，或是简单的知识点罗列，或是有着详细数学推导令人望而生畏的大部头。为了督促自己学习，也为了方便后人，决心将常考必会的知识点以通俗易懂的方式设立专栏进行讲解，努力做到长期更新。此专栏不求甚解，只追求应付一般面试。希望该专栏羽翼渐丰之日，可以为大家免去寻找资料的劳累。每篇介绍一个知识点，没有先后顺序。想了解什么知识点可以私信或者评论，如果重要而且恰巧我也能学会，会尽快更新。最后，每一个知识点我会参考很多资料。考虑到简洁性，就不引用了。如有冒犯之处，联系我进行删除或者补加引用。在此先提前致歉了！

HOG
Histogram of Oriented Gradients
方向梯度直方图

原理

HOG是一种描述图像的特征。顾名思义，主要对像素的梯度方向敏感。
该特征最早用于行人检测，即检测一张图像中是否包含行人。
步骤如下：

1. 使用常用图像预处理方法，如去噪，对比度调整等，对图像进行处理。
2. 转换为灰度图像。
3. 使用常用梯度算子，求取每一个像素点的水平梯度x，竖直梯度y，将两者平方相加开根号求得梯度大小。
4. 使用x,y以及反正切函数计算梯度方向，并统一到0到180度的区间。
5. 对于每一个像素有了两个参数，梯度大小和梯度方向。
6. 将180度分为n个区间，比如9个：0,20,40,60,80,100,120,140,160。
7. 如果一个像素的梯度大小为10，梯度方向是60࿰