梯度方向直方图HOG

本文格式为Word版，下载可任意编辑——梯度方向直方图HOG1

gradscalx=max(max(gradscalx(:,:,1),gradscalx(:,:,2)),gradscalx(:,:,3));gradscaly=max(max(gradscaly(:,:,1),gradscaly(:,:,2)),gradscaly(:,:,3));end

gradscal=sqrt(double(gradscalx.*gradscalx+gradscaly.*gradscaly));

%计算梯度方向矩阵。加上较小数值避免划分为零。gradscalxplus=gradscalx+ones(size(gradscalx))*0.0001;gradorient=zeros(M,N);

%无符号的状况:方向范围是0到pi。ifstrcmp(issigned,'unsigned')==1gradorient=...

atan(gradscaly./gradscalxplus)+pi/2;or=1;else

%有符号的状况:方向范围是0到2*pi。ifstrcmp(issigned,'signed')==1

idx=find(gradscalx>=0

gradorient(idx)=atan(gradscaly(idx)./gradscalxplus(idx));idx=find(gradscalx=0

gradorient(idx)=atan(gradscaly(idx)./gradscalxplus(idx))+2*pi;or=2;else

error('IncorrectISSIGNEDparameter.');endend

%计算块滑步。

xbstride=cellpw*nblockw*(1-overlap);ybstride=cellph*nblockh*(1-overlap);xbstridend=N-cellpw*nblockw+1;ybstridend=M-cellph*nblockh+1;

%计算在窗口检测到所有块的数量,这是ntotalbh*ntotalbw.ntotalbh=((M-cellph*nblockh)/ybstride)+1;ntotalbw=((N-cellpw*nblockw)/xbstride)+1;

。程序的完整性和正确性还有待进一步研究。

方向梯度直方图（HOG,HistogramofGradient）基础知识

梯度（gradient）：/jia20003/article/details/7664777（含代码）在向量微积分中，标量场的梯度是一个向量场，标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是最大的变化率。

图像处理之图像梯度效果

基本思想：

利用X方向与Y方向分别实现一阶微分，求取振幅，实现图像梯度效果。关于如何计算图像

一阶微分参见这里：/jia20003/article/details/7562092

使用的两种微分算子分别为Prewitt与Sobel，其中Soble在X,Y两个方向算子分别为：

Prewitt在X,Y方向上梯度算子分别为：

二：程序思路及实现

梯度滤镜提供了两个参数：

–方向，用来要决定图像完成X方向梯度计算，Y方向梯度计算，或者是振幅计算–算子类型，用来决定是使用sobel算子或者是prewitt算子。计算振幅的公式可以参见以前《图像处理之一阶微分应用》的文章

一阶微分：/jia20003/article/details/7562092（含代码）对于离散的图像来说,一阶微分的数学表达相当于两个相邻像素的差值，根据选择的梯度算子不同，效果可能有所不同，但是基本原理不会变化。最常见的算子为Roberts算子，其它常见还有Sobel，Prewitt等算子。

图像处理之一阶微分应用一：数学背景

首先看一下一维的微分公式Δf=f(x+1)–f(x),对于一幅二维的数字图像f(x,y)而言，需要完

成XY两个方向上的微分，所以有如下的公式：

分别对X,Y两个方向上求出它们的偏微分，最终得到梯度DeltaF.

对于离散的图像来说,一阶微分的数学表达相当于两个相邻像素的差值，根据选择的梯度算

子不同，效果可能有所不同，但是基本原理不会变化。最常见的算子为Roberts算子，其它

常见还有Sobel，Prewitt等算子。以Roberts算子为例的X,Y的梯度计算演示如下图：

二：图像微分应用

图像微分(梯度计算)是图像边缘提取的重要的中间步骤，根据X,Y方向的梯度向量值，可以

得到如下两个重要参数振幅magnitude,角度theta，计算公式如下：

Theta=tan-1(yGradient/xGradient)magnitude表示边缘强度信息theta预言边缘的方向走势。

假使对一幅数字图像，求出magnitude之后与原来每个像素点对应值相加，则图像边缘将被

大大加强，轮廓更加明显，是一个很典型的sharpfilter的效果。Robert算子：http://baike.//view/676369.htm

Roberts边缘检测算子是一种利用局部差分算子寻觅边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子寻常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。

Roberts边缘检测算子是一种利用局部差分算子寻觅边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子寻常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。.NET代码如下:

privatevoidmenuItem23_Click(objectsender,System.EventArgse){

if(this.pictureBox1.Image!=null){

this.pictureBox2.Visible=true;

intheight=this.pictureBox1.Image.Height;intwidth=this.pictureBox1.Image.Width;Bitmaptemp=newBitmap(width,height);

Bitmapprocess=(Bitmap)this.pictureBox1.Image;inti,j,p0,p1,p2,p3;

Color[]pixel=newColor[4];intresult;

for(j=height-2;j>0;j--){

for(i=0;i255)result=255;if(resultheight-1;++i)13{

14for(intj=1;jwidth-1;++j)15{

16a00=cvGet2D(gray,i-1,j-1).val[0];17a01=cvGet2D(gray,i-1,j).val[0];18a02=cvGet2D(gray,i-1,j+1).val[0];19a10=cvGet2D(gray,i,j-1).val[0];20a11=cvGet2D(gray,i,j).val[0];21a12=cvGet2D(gray,i,j+1).val[0];22a20=cvGet2D(gray,i+1,j-1).val[0];23a21=cvGet2D(gray,