Python opencv提取hog特征

在Python中，OpenCV (Open Source Computer Vision Library) 提供了霍夫（Histogram of Oriented Gradients, HOG）特征的计算功能，HOG是一种用于行人检测等计算机视觉任务的强大工具，它通过统计图像局部区域的梯度方向分布来生成描述符。

使用OpenCV提取HOG特征的一般步骤如下：

1. 导入所需库：

import cv2
from skimage import exposure

2. 初始化HOG描述符和配置参数：

win_size = (64, 128)   # 分块大小
block_size = (16, 16)  # 分块内像素集合大小
cell_size = (8, 8)     # 计算梯度的方向的小窗口大小
num_blocks_vertical = 1   # 水平划分块的数量
num_blocks_horizontal = 1  # 纵向划分块的数量
num_orientations = 9      # 方向数，通常选择9个基本方向

3. 定义一个函数来提取HOG特征：

def extract_hog_features(img):
    hog = cv2.HOGDescriptor(win_size, block_size, cell_size, block_stride=None, padding=0)
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    scaled_img = exposure.equalize_hist(gray_img)  # 可选预处理步骤，增强对比度
    feature_vector = hog.compute(scaled_img)
    return feature_vector

4. 应用到图片上并保存特征：

image_path = 'path_to_your_image.jpg'
img = cv2.imread(image_path)
features = extract_hog_features(img)