目錄
- 一、概述
- 1.1 算法定義
- 1.2 實現過程
- 二、方法1（skimage庫）
- 2.1 代碼實現
- 2.2 結果示例
- 三、方法2（cv2庫）
- 3.1 代碼實現
- 3.2 結果示例
- 四、結果對比
?? 結果預覽
一、概述
1.1 算法定義
??方向梯度直方圖（Histogram of Oriented Gradient，HOG）：是應用在計算機視覺和圖像處理領域，用于目標檢測的特征描述器。是用來計算局部圖像梯度的方向信息的統計值。這種計算方法與邊緣方向直方圖EOH，尺度不變特征轉換SIFT以及形狀上下文方法有很多相似之處，但與他們的不同點是：HOG描述器是在一個網格密集的大小統一的單元上計算，而且為了提高性能，還采用了重疊的局部對比度歸一化技術。HOG特征結合支持向量機SVM分類器已經被廣泛應用于圖像識別中，尤其在行人檢測中獲得了極大的成功。
1.2 實現過程
- 圖像灰度化。
- 采用色彩歸一化對輸入圖像進行顏色空間的歸一化，目的是調節圖像的對比度，降低圖像局部的陰影和光照變化所造成的影響，同時可以抑制噪聲的干擾。
- 計算圖像每個像素的梯度（包括大小和方向），主要是為了捕獲輪廓信息，同時進一步弱化光照的干擾。
- 構建直方圖，將圖像劃分為小單元（例如，8x8像素/單元）。
- 統計每個單元的梯度直方圖，可形成每個單元的
的突破，關注NLP在機器翻譯、情感分析、聊天機器人等方面的最新研究成果和應用案例。)
)
