实现思路步骤:
1.对原图像gamma校正,img=sqrt(img);
2.求图像竖直边缘,水平边缘,边缘强度,边缘斜率。
3.将图像每16*16(取其他也可以)个像素分到一个cell中。对于256*256的lena来说,就分成了16*16个cell了。
4.对于每个cell求其梯度方向直方图。通常取9(取其他也可以)个方向(特征),也就是每360/9=40度分到一个方向,方向大小按像素边缘强度加权。
5.每2*2(取其他也可以)个cell合成一个block,所以这里就有(16-1)*(16-1)=225个block。最后归一化直方图。
6.所以每个block中都有2*2*9个特征,一共有225个block,所以总的特征有225*36个。
当然一般HOG特征都不是对整幅图像取的,而是对图像中的一个滑动窗口取的。
形象化的用一个流程图显示:
matlab实现代码:参考别人的修改的
clear;clc; img=imread('E:\mat\lena.jpg');%图片位置 %获取图像,尺寸,并将图像resize成step的最近整数倍 img=double(img); figure;imshow(img,[]);%显示图像 step=8; %step*step个像素作为一个cell [m1 ,n1]=size(img);%获取图像尺寸 img=imresize(img,[floor(m1/step)*step,floor(n1/step)*step],'nearest'); [m,n]=size(img); %伽马校正 img=sqrt(img); figure; imshow(img,[]);%显示图像 %滤波,求梯度 fy=[-1 0 1]; %定义竖直模板 fx=fy'; %定义水平模板 Iy=imfilter(img,fy,'replicate'); %竖直边缘 Ix=imfilter(img,fx,'replicate'); %水平边缘 Ied=sqrt(Ix.^2+Iy.^2); %边缘强度 求梯度的长度 Iphase=Iy./Ix; %边缘斜率,有些为inf,-inf,nan,其中nan需要再处理一下 figure; imshow(Ied,[]); %显示梯度提取后的值 %求cell orient=9; %方向直方图的方向个数 angular=360/orient; %每个方向包含的角度数,划分角度区间,0到40度一个区间... Cell=cell(1,1); %所有的角度直方图,cell是可以动态增加的,先设了一个 %% 开始获取orient个方向的特征向量 ii=1; jj=1; for i=1:step:m-step %如果处理的m/step不是整数,最好是i=1:step:m-step ii=1; for j=1:step:n tmpx=Ix(i:i+step-1,j:j+step-1); %水平 tmped=Ied(i:i+step-1,j:j+step-1); %边缘强度 tmped=tmped/sum(sum(tmped)); %% 局部边缘强度归一化 tmpphase=Iphase(i:i+step-1,j:j+step-1);%% 边缘斜率局部提取 Hist=zeros(1,orient); %% 创建直方图 %当前step*step像素块统计角度直方图,就是cell %% 统计一个cell里面的梯度信息 for p=1:step for q=1:step %% 判断是不是一个数字True for Not-a-Number.如果不是一个数字,就归零 if isnan(tmpphase(p,q))==1 %因为会遇到0/0的情况 tmpphase(p,q)=0; end %% 进行区间的划分 ang=atan(tmpphase(p,q)); %atan求的是[-90 90]度之间 ang=mod(ang*180/pi,360); %全部变正,-90变270 if tmpx(p,q)<0 %根据x方向确定真正的角度 if ang<90 %如果是第一象限 ang=ang+180; %移到第三象限 end if ang>270 %如果是第四象限 ang=ang-180; %移到第二象限 end end ang=ang+0.0000001; %防止ang为0 Hist(ceil(ang/angular)) = Hist(ceil(ang/angular))+tmped(p,q); %ceil向上取整,使用边缘强度加权 end end %% 方向直方图归一化 Hist=Hist/sum(Hist); Cell{ii,jj}=Hist; %放入Cell中 ii=ii+1; %针对Cell的y坐标循环变量 end jj=jj+1; %针对Cell的x坐标循环变量 end %% 下面是求feature,2*2个cell合成一个block,没有显式的求block [m2, n2]=size(Cell); feature=cell(1,(m2-1)*(n2-1)); for i=1:m2-1 for j=1:n2-1 f=[]; f=[f Cell{i,j}(:)' Cell{i,j+1}(:)' Cell{i+1,j}(:)' Cell{i+1,j+1}(:)']; feature{(i-1)*(n2-1)+j}=f; end end %以上就可以得到我们需要的所有的HOG特征了,以下部分主要是为了显示 l=length(feature); f=[]; for i=1:l f=[f;feature{i}(:)']; end figure mesh(f)
当然看文献发现我们还可以对得到的HOG特征进行PCA降维处理来提高计算速率的同时,降低噪声的影响。
附一个基础整理的mind图: