HOG（定向梯度直方图）如何作用于图像中的单个点？我正在使用计算机视觉工具箱版本的 HOG 描述符：https://www.mathworks.com/help/vision/ref/extracthogfeatures.html。
我想在图像中的特定点上计算 HOG，在单个点上计算 HOG 的最佳像元大小和块大小是多少？
【问题讨论】：
标签： matlab image-processing computer-vision matlab-cvst
请注意，没有单点的 HOG 描述符之类的东西。 HOG 描述符是一个密集描述符，因此您可以获得一个围绕兴趣点的像素块。 extractHOGFeatures 函数接收图像和一些您希望计算 HOG 描述符的特定输入坐标（可选）。这些是您要为其计算 HOG 描述符的 (x,y) 或图像中的列和行位置。您将其指定为 N x 2 矩阵，每一行都是您希望计算 HOG 描述符的位置的 (x,y) 坐标。
回想一下，我们在局部像素块上计算 HOG 描述符。根据 Dalal 和 Triggs 的原始行人检测算法，该局部补丁或 cell size 的默认大小为 8 x 8。假设我们忽略直方图中方向的符号，则直方图中的默认 bin 数为 9，或者考虑以 20 度为增量的角度，使总角度为 180 度。对于每个8 x 8 补丁，我们有一个 9 bin 直方图。您还考虑了一个单元格组合，它是一个块。每个块由单元格组成，MATLAB 中的默认值为2 x2 网格，使其成为 16 x 16 像素的窗口。
因此，您指定的位置作为中心，我们围绕该中心围绕一个16 x 16 窗口。然后，您计算四个 HOG 直方图 - 一个用于块内的每个单元格。作为最后一步，我们将所有直方图连接在一起形成一个长直方图，即4 x 9 = 36 元素，我们进一步规范化该向量以计算代表该坐标的最终描述符。
输出是N 行的矩阵，其中每一行是输入位置矩阵的相应行指定的中心位置的描述符。更具体地说，您将获得一个N x 36 矩阵。
至于最佳块大小和单元大小，这取决于您的应用程序，但对于大多数用例，尤其是在 OpenCV 中，默认情况下假定块大小为8 x 8 单元大小为2 x 2，因此创建一个16 x 16 像素补丁。 Dalal 和 Triggs 对不同大小的单元格和块进行了实验，发现这两种大小最适合他们的行人检测用例。
【讨论】：