python图像特征提取代码

Python中有很多用于图像特征提取的库和工具，其中比较常用的是OpenCV和Scikit-image。以下是一个简单的示例代码，用于提取图像的HOG特征：

import cv2
from skimage.feature import hog

# 读取图像
image = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 提取HOG特征
features, hog_image = hog(gray, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(2, 2), visualize=True, block_norm='L2-Hys')

# 显示原始图像和HOG特征图像
cv2.imshow("Original Image", image)
cv2.imshow("HOG Image", hog_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们使用了OpenCV库读取图像，并将其转换为灰度图像。然后，我们使用Scikit-image库中的hog()函数提取了图像的HOG特征。其中，参数orientations表示梯度方向的数量，pixels_per_cell表示每个cell中包含的像素数，cells_per_block表示每个块包含的cell数，block_norm表示块归一化方式。

提取完特征后，我们可以通过imshow()函数显示原始图像和HOG特征图像。