定向梯度的 Python 直方图

Question

我正在尝试实现this 版本的定向梯度直方图（HOG）。我的代码如下。我的代码中唯一的区别是我使用了opencv 来读取图像并将其转换为灰度。

import cv2
import matplotlib.pyplot as plt
from skimage.feature import hog
from skimage import data, color, exposure

filename = 'match1/hockey15.jpg'
im = cv2.imread(filename)
gr = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) 

print im.shape
image = gr

fd, hog_image = hog(image, orientations=8, pixels_per_cell=(16, 16),
                    cells_per_block=(1, 1), visualise=True)

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(8, 4), sharex=True, sharey=True)

ax1.axis('off')
ax1.imshow(image, cmap=plt.cm.gray)
ax1.set_title('Input image')
ax1.set_adjustable('box-forced')

# Rescale histogram for better display
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.02))

ax2.axis('off')
ax2.imshow(hog_image_rescaled, cmap=plt.cm.gray)
ax2.set_title('Histogram of Oriented Gradients')
ax1.set_adjustable('box-forced')
plt.show()

一个示例输入和输出是：

输入：

输出：

为什么输出如此混乱？我什至在上面的 skimage 链接中尝试了宇航员的图像。为此，我也遇到了很多混乱，并且输出与链接中显示的完全不同。我怎样才能解决这个问题？

Answer 1

只需将值0.02 更改为0.5 之类的值。这会使它变暗。

hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.02))

改为

hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.5))

Answer 2

我不知道为什么，但错误是由于读取图像并使用 opencv 将其转换为灰度。像教程建议的那样用 matplotlib 做这两个，给了我正确的结果。

Answer 3

我可以用您的代码重现您的错误并得到相同的混乱图像。我稍微修改了你的代码，特别是改变了轴，我得到了以下输出。

这是修改后的代码。

import cv2
import matplotlib.pyplot as plt
from skimage.feature import hog
from skimage import data, color, exposure

filename = r"pathtoimage\hockey.jpg"

im = cv2.imread(filename)

gr = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) 

print im.shape
image = gr

fd, hog_image = hog(image, orientations=8, pixels_per_cell=(16, 16),
                    cells_per_block=(1, 1), visualise=True)

fig, ax = plt.subplots(1, 2, figsize=(20, 10), sharex=True, sharey=True)

ax[0].axis('off')
ax[0].imshow(image, cmap=plt.cm.gray)
ax[0].set_title('Input image')
ax[0].set_adjustable('box-forced')

# Rescale histogram for better display
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.02))

ax[1].axis('off')
ax[1].imshow(hog_image, cmap=plt.cm.gray)
ax[1].set_title('Histogram of Oriented Gradients')
ax[1].set_adjustable('box-forced')

plt.show()