数字图像特征提取之HOG特征

1、灰度化；（以便可以使用sobel等算子计算梯度）
2、gamma校正； （降低光照影响）
3、求每个像素的梯度和方向；

（利用任意一种梯度算子，例如：sobel，laplacian等，对该patch进行卷积，计算得到每个像素点处的梯度方向和幅值。具体公式如下：

）
4、划分cell（x*x pixel/cell），根据幅值和方向求取每个cell的梯度直方图； （将梯度方向分成若干离散等分，将所有梯度方向映射到梯度直方图，直方图取值由对应方向的梯度幅值累加得到）
5、组合block（y*y cell/block），将这y*y个cell的梯度直方图连在一起作为该block的特征向量； （从左至右依次将各个cell的梯度直方图向量相连，就得到了每个block的特征向量。block的分法有重叠和非重叠两种）
6、将所有的block的特征向量从左至右从上至下依次连接起来，即为该图像的hog特征向量。

我的理解：

　　最后的hog特征向量是一个一维向量，如果block采用重叠法分割向量中会有冗余重复。hog特征向量的位置代表了图像中不同的位置，而向量值代表梯度方向上的强度，即对纹理特征比较敏感，因此可以理解hog特征是一种对于图像中纹理、边缘的位置信息的提取。

参考博客：

https://blog.csdn.net/baidu_30028771/article/details/65937451（纠正错误 最后block数量是31*31）

https://www.cnblogs.com/hrlnw/archive/2013/08/06/2826651.html

hog特征提取可以使用图像的积分图来进行加速。