定向梯度直方图（HOG）特征matlab
histogram of oriented gradients (HOG) features matlab
所以我想弄清楚每个块有多少特征，换句话说，如果我做对了，每个特征都是特定方向的直方图的一个 bin。
所以当我 运行 在 matlab 中编写以下代码时：
如您所见，它显示了 16 个不同的 hog 特征，但特征向量是 1x324。那么每个块/单元有多少特征？
谢谢
clear
clc
close all
img = imread('cameraman.tif');
[hog1, visualization] = extractHOGFeatures(img,'CellSize',[64 64]);
subplot(1,2,1);
imshow(img);
subplot(1,2,2);
plot(visualization);
您的 HOG 矢量大小为 324 的原因是图像中有 9 个重叠块，每个块大小为 2x2 单元格，其中每个单元格为 64x64 像素。每个块为您提供 4 个定向梯度直方图，每个包含 9 个 bin。所以HOG特征的个数是9 * 4 * 9 = 324.
显然，可视化显示了细胞样本，让您了解图像中的方向分布。您的图像中有 4x4 单元格。您在可视化图中看到的是每个单元格的梯度方向直方图的玫瑰图。
所以我想弄清楚每个块有多少特征，换句话说，如果我做对了，每个特征都是特定方向的直方图的一个 bin。 所以当我 运行 在 matlab 中编写以下代码时： 如您所见，它显示了 16 个不同的 hog 特征，但特征向量是 1x324。那么每个块/单元有多少特征？ 谢谢
clear
clc
close all
img = imread('cameraman.tif');
[hog1, visualization] = extractHOGFeatures(img,'CellSize',[64 64]);
subplot(1,2,1);
imshow(img);
subplot(1,2,2);
plot(visualization);
您的 HOG 矢量大小为 324 的原因是图像中有 9 个重叠块，每个块大小为 2x2 单元格，其中每个单元格为 64x64 像素。每个块为您提供 4 个定向梯度直方图，每个包含 9 个 bin。所以HOG特征的个数是9 * 4 * 9 = 324.
显然，可视化显示了细胞样本，让您了解图像中的方向分布。您的图像中有 4x4 单元格。您在可视化图中看到的是每个单元格的梯度方向直方图的玫瑰图。