方向梯度直方图与边缘方向直方图答案

【问题标题】：Histogram of Oriented Gradients vs Edge Orientation Histograms方向梯度直方图与边缘方向直方图
【发布时间】：2012-07-15 08:31:41
【问题描述】：

我不清楚 HOG 和 EOH 之间的区别。 Hog 基于图像导数 EOH 基于边缘方向。似乎 HOG 在某种程度上也是 EOH 的代表。

您能否解释一下 EOH 与 HOG 的区别以及 EOH 与 HOG 相比的优势。与 HOG 相比，在什么情况下我们可以使用 EOH？

【问题讨论】：

【解决方案1】：

我认为主要区别在于，对于 HOG，计算实际梯度方向然后分箱，其中对于 EOH，边缘方向是通过在一组边缘滤波器内核上搜索最大响应来评估的。所以你可以说 HOG 在梯度计算之后进行分箱，其中 EOH 直接计算分箱中的梯度。根据您想要的垃圾箱数量，一个会比另一个快。

在 EOH 中，明暗边缘和暗光边缘通常被视为相同，因此方向在 0 到 pi 的范围内，而在 HOG 中，bin 通常跨越完整的 2*pi。不过，您也可以轻松地让 EOH 做到这一点。

【讨论】：

【解决方案2】：

虽然，我不认为它们有一个唯一的定义，细节可以在很多层面上有所不同（例如如何计算方向（或方向梯度）），关键是由边缘方向直方图构建的直方图只考虑与边缘相对应的像素的梯度（这又是用其他方法计算的，例如canny边缘），而定向梯度直方图考虑了每个像素的所有梯度。

【讨论】：