为什么 Python 的 Hog 输出（scikit-image）与 MATLAB 的 Hog（vlfeat）不同？答案

【问题标题】：Why's Python's Hog output (scikit-image) different from MATLAB's Hog (vlfeat)?为什么 Python 的 Hog 输出（scikit-image）与 MATLAB 的 Hog（vlfeat）不同？
【发布时间】：2014-10-25 11:17:48
【问题描述】：

我有一段 MATLAB 代码，它从图像中获取 91x91 的像素块，然后用苹果 HOG 提取其特征向量。我想用 Python 重写这个函数。我一直在努力寻找如何在 Python 中获得与在 MATLAB 中相同的 HOG 返回值，但未能做到。如果您能提供任何帮助，我将不胜感激。

VLFeat 库（http://www.vlfeat.org/overview/hog.html）在 MATLAB 代码中使用，我在 Python 中使用 scikit-image（http://scikit-image.org/docs/dev/api/skimage.feature.html?highlight=peak_local_max#skimage.feature.hog）。

在Matlab中，输入'im2single(patch)'是一个91*91的数组，而Hog的返回数据类型是4*4*16 single.HoG应用的单元格大小为23，方向数4 个。

     hog = vl_hog(im2single(patch),23, 'variant', 'dalaltriggs', 'numOrientations',4) ;

返回数据为4*4*16单条，可以显示为：

     val(:,:,1) =

     0         0         0         0
     0         0         0         0
     0    0.2000    0.2000    0.0083
     0    0.2000    0.2000    0.0317

     ....

     val(:,:,16) =

     0         0         0         0
     0         0         0         0
     0         0    0.0526    0.0142
     0         0    0.2000    0.2000

然后手动将结果展平为 256*1 的特征向量。综上所述，在一个 91*91 的像素块中，提取了一个 256*1 的特征向量。现在我想在 Python 中得到同样的结果。

在我的 Python 代码中，我尝试应用具有相同单元大小和方向数的 HOG。块大小设置为 (1,1)

    tc = hog(repatch, orientations=4, pixels_per_cell=(23,23), cells_per_block= (1,1), visualise=False, normalise=False)

我将patch的大小附加到92*92，所以patch size是cell size的整数倍。输入数组现在称为“repatch”。但是，输出的 'tc' 是一个 64*1 的数组（梯度直方图被展平为特征向量）

   tc.shape 

   (64,)

然后我查看了Skimage源代码，

    orientation_histogram = np.zeros((n_cellsy, n_cellsx, orientations))
    orientation_histogram.shape 
    (4, 4, 4)

这里的 n_cellsx 是：x 中的细胞数，n_cellsy 是：y 中的细胞数。看起来Hog的输出与orientation_histogram的维度高度相关。

HoG 返回值的实际维度由以下因素决定：

    normalised_blocks = np.zeros((n_blocksy, n_blocksx,by, bx, orientations))

其中n_blocksy、n_blocksy的计算公式为：

    n_blocksx = (n_cellsx - bx) + 1
    n_blocksy = (n_cellsy - by) + 1

n_cellsx为：x中的单元格数，这里取值为4，n_cellsy也是； bx,by为cells_per_block，即(1,1)；在这种情况下，方向是 4。

返回值（normalised_blocks）的大小似乎是由 4*4*1*1*4 (n_blocksy * n_blocksx * by * bx *orientations) 计算出来的

我尝试更改块大小，但仍然无法达到我的预期...（当块大小为 (2,2) 时，返回值为 144*1 数组）

谁能帮忙...我怎样才能得到与 Matlab 中相同的 Hog 输出？非常感谢。

【问题讨论】：

标签： python matlab scikit-image vlfeat

【解决方案1】：

与 scikit-image 相比，VLFeat 库做了一些不同的事情。 VLFeat 库返回 9 个（方向数）对比不敏感、18 个对比敏感和 4 个维度，它们以方形块（包含四个单元格）捕获整体梯度能量。所以它每个单元格输出 31 个维度。但是 scikit-image 过程是不同的，我认为您对它有很好的理解。

根据我的经验，如果您想使用 scikit-image 和 MATLAB 找到相同的 HoG 矢量，您绝对至少应该为 scikit-image 输入cells_per_block= (2,2)。

【讨论】：