OpenCV 中的 HOG 用于对整个图像进行分类

Posted 2023-03-13

【中文标题】OpenCV 中的 HOG 用于对整个图像进行分类

【英文标题】：HOG in OpenCV for classification of entire images

【发布时间】：2012-02-19 17:59:54

【问题描述】：

我了解 OpenCV 中的梯度直方图通常用于图像块，以便检测和分类图像中的对象。

但是，我想使用 HOG 来构建可用于对整个图像进行分类的特征向量。使用以下内容：

std::vector<float> temp_FV_out;
cv::HOGDescriptor hog;
hog.compute(img_in, temp_FV_out);

由于图像的大小不同，每个不同长度的特征向量都非常长 - 较大的图像有更多的 64 x 128 窗口，每个窗口都会影响特征向量的长度。

如何让 OpenCV 从每个图像中给出一个短的特征向量（大约 5-20 个 bin），其中特征向量的长度保持不变而不管图像的大小？我宁愿不使用词袋来构建 HOG 'words' 的字典。

【参考方案1】：

第一步是标准化图像尺寸 - 选择您要处理的最小尺寸，然后将其余尺寸调整为此基本尺寸。您还可以将小尺寸设置为默认值（例如 100x100）如果它们的纵横比不同，您可能需要裁剪它们。

接下来，您可以根据各种算法从向量中选择一些特征：PCA、决策树、Ada boost 等 - 这可以帮助您从数据中提取最重要的值。