计算机视觉中的方向梯度直方图（HOG）-平芜编程栈

原文：towardsdatascience.com/histogram-of-oriented-gradients-hog-in-computer-vision-a2ec66f6e671

简介

方向梯度直方图最初由 Navneet Dalal 和 Bill Trigs 在他们 CVPR 论文[“方向梯度直方图用于人类检测”]中提出。

根据它关注的特征类型，如纹理、颜色或形状，以及它描述的是整个图像还是局部信息，有许多不同的特征提取算法。

HOG 算法是特征提取中最基本的技术之一，因为它是对象检测和识别任务的基础步骤。

在本文中，我们将探讨 HOG 算法的原理和实现。

什么是方向梯度直方图（HOG）？

HOG 是一种全局描述符（特征提取）方法，应用于图像中的每个像素，以提取邻域信息（像素的邻域）如纹理，并将从给定图像中压缩/抽象这些信息到一个称为特征向量的简化/浓缩向量形式，该向量可以描述此图像的特征，这在捕捉图像中的边缘和梯度结构时非常有用。此外，我们可以比较处理后的图像以进行对象识别或对象检测。

HOG 解释

1- 计算梯度图像

为了提取和捕获边缘信息，我们应用由两个小矩阵（滤波器/核）组成的 Sobel 算子，这些矩阵测量灰度中的强度差异（ wherever there is a sharp change in intensity）。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/bd8fb2856cf031b46bb320c3ff6e99bb.png

作者创作

我们通过卷积将此核应用于图像的像素：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/34d57e5fa6c3297d9c99f05bfbc8dcb6.png

我们使用 3×3 核/滤波器（Sobel 算子）在图像上滑动，逐元素相乘，并将输出相加。（作者创作）

在对图像应用 Sobel 核之后，我们可以计算图像的幅度和方向：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/1a88d20b2eddf73927fd55f1df39c2fd.png

梯度幅度。（作者创作）

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/1aadf6517d4aa49eff14ef25f4eea60d.png

梯度方向。（作者创作）

梯度确定了特定点的边缘强度（幅度）和方向（方向）。边缘方向与梯度向量在该点计算位置的方向垂直。换句话说，向量的长度和方向。

2- 计算梯度直方图

对于每个像素，我们有两个值：幅度和方向。为了将此信息组合成有意义的东西，我们使用直方图，这有助于有效地组织和解释这些值。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/dd4db3efb6b467b121a490227b9631ec.png

learnopencv.com/histogram-of-oriented-gradients/，由作者编辑。

我们在这些单元格（8×8）中创建梯度直方图，这些单元格有 64 个值分布在直方图的桶中，每个桶量化为 9 个桶，每个桶为 20 度（跨越 0°到 180°）。每个像素的幅度值（边缘强度）被添加为对应方向的“投票”，以便直方图的峰值揭示了像素的主导方向。

3-归一化

由于梯度幅度取决于光照条件，归一化将直方图缩放以减少光照和对比度变化的影响。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/23adac6f4e90263794c513e3316ebd5d.png

learnopencv.com/histogram-of-oriented-gradients/，由作者编辑。

每个块通常由一个网格状的单元格（2×2）组成。这个块在图像上滑动时会有重叠，意味着每个单元格都包含在多个块中。每个块有 4 个直方图（4 个单元格），这些直方图可以连接起来形成一个 4（单元格）x 9（桶）x 1 的向量=每个块 36 x 1 元素向量；示例中的整体图像：7 行 x 15 列=7x15x36=3780 个元素。这个特征向量被称为HOG 描述符，生成的向量被用作分类算法（如 SVM）的输入。

# we will be using the hog descriptor from skimage since it has visualization tools available for this exampleimportcv2importmatplotlib.pyplotaspltfromskimageimportcolor,feature,exposure# Load the imageimg=cv2.imread('The path of the image ..')# Convert the original image to RGBimg_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)# Convert the original image to gray scaleimg_gray=cv2.cvtColor(img_rgb,cv2.COLOR_RGB2GRAY)plt.imshow(img_gray,cmap="gray")# These are the usual main parameters to tune in the HOG algorithm.(H,Himage)=feature.hog(img_gray,orientations=9,pixels_per_cell=(8,8),cells_per_block=(2,2),visualize=True)Himage=exposure.rescale_intensity(Himage,out_range=(0,255))Himage=Himage.astype("uint8")fig=plt.figure(figsize=(15,12),dpi=80)plt.imshow(Himage)

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/d22443a22954f1963f67b28fe070fba8.png

莫娜丽莎图片由(WikiImages 用户 wikiimages-1897/)提供)pixabay.com/

如您所见，HOG 有效地捕捉了人脸的一般形状（眼睛、鼻子、头部）和手。这是由于 HOG 专注于图像中的梯度信息，使其在检测线条和形状方面非常有效。此外，我们还可以观察到图像中每个点的占主导地位的梯度和它们的强度。

（HOG）图像中人体检测算法

HOG 是计算机视觉中流行的特征描述符，特别适用于检测形状和轮廓，例如人体形状。此代码利用 OpenCV 内置的 HOG 描述符和专门训练用于检测人体的预训练支持向量机（SVM）模型。

# Load the imageimg=cv2.imread('The path of the image ..')# Convert the original image to RGBimg_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)# Convert the original image to gray scaleimg_gray=cv2.cvtColor(img_rgb,cv2.COLOR_RGB2GRAY)#Initialize the HOG descriptor and set the default SVM detector for peoplehog=cv2.HOGDescriptor()hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())# Detect people in the image using the HOG descriptorbbox,weights=hog.detectMultiScale(img_gray,winStride=(2,2),padding=(10,10),scale=1.02)# Draw bounding boxes around detected peoplefor(x,y,w,h)inbbox:cv2.rectangle(img_rgb,(x,y),(x+w,y+h),(255,0,0),4)plt.imshow(img_rgb)

在加载测试图像后，我们使用 HOG 的 detectMultiScale 方法来检测人物，winStride 设置为每步跳过一个像素，通过牺牲一点精度来提高速度，这在目标检测中至关重要，因为这是一个计算密集型过程。尽管检测器可能识别出所有人，但有时会出现误报，即一个人的身体部分被检测为另一个人。为了解决这个问题，我们可以应用非极大值抑制（NMS）来消除重叠的边界框，尽管不良的配置（winStride、填充、缩放）有时会偶尔无法检测到对象。