HOG全图特征提取python代码

以下是用Python实现的HOG全图特征提取代码：

import cv2
import numpy as np

# 定义HOG函数
def hog(img):
    # 图像大小统一
    img = cv2.resize(img, (64, 128))
    # 计算梯度
    gx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
    gy = cv2.Sobel(img, cv2.CV_32F, 0, 1)
    mag, ang = cv2.cartToPolar(gx, gy)
    # 划分cell
    bin_n = 16
    bin = np.int32(bin_n*ang/(2*np.pi))
    # 划分block
    bin_cells = bin[:32,:16], bin[32:,:16], bin[:32,16:], bin[32:,16:]
    mag_cells = mag[:32,:16], mag[32:,:16], mag[:32,16:], mag[32:,16:]
    hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)]
    hist = np.hstack(hists)
    # 归一化
    eps = 1e-7
    hist /= hist.sum() + eps
    return hist

# 读取图像
img = cv2.imread('test.jpg',0)
# 提取特征
hist = hog(img)

其中，`cv2.resize`函数将图像大小统一为64×128，`cv2.Sobel`函数计算图像的梯度，`cv2.cartToPolar`函数计算梯度的大小和方向，`np.int32`函数将方向转换为整数类型，`np.bincount`函数统计每个方向上的像素个数，最后将所有方向的直方图拼接在一起，归一化后得到全图的HOG特征。