c++如何通过compute可视化hog特征

你可以使用OpenCV库中的compute函数来计算HOG特征并可视化它们。以下是一个简单的示例代码：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    // 读取图像
    Mat img = imread("image.jpg");

    // 定义HOG对象
    HOGDescriptor hog(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9);

    // 计算HOG特征
    std::vector<float> descriptors;
    hog.compute(img, descriptors);

    // 可视化HOG特征
    Mat hogVis = hog.getVisualisation(img, descriptors);
    imshow("HOG Visualization", hogVis);
    waitKey(0);

    return 0;
}

在该代码中，我们首先读取图像，然后定义了一个HOGDescriptor对象。在调用compute函数计算HOG特征后，我们使用getVisualisation函数可视化HOG特征，并将结果显示在屏幕上。

相关问题

c++hog使用compute之后可视化

如果您使用的是 OpenCV 中的 HOG 特征提取函数 `cv::HOGDescriptor::compute()`，那么可以通过以下步骤可视化 HOG 特征：

1. 通过 `cv::HOGDescriptor::getDescriptorSize()` 获取 HOG 特征向量的维度。
2. 通过 `cv::Mat::reshape()` 将 HOG 特征向量变为二维矩阵。
3. 对每个特征向量进行可视化，可以使用 `cv::resize()` 进行缩放，并使用 `cv::imshow()` 显示图像。

下面是一个简单的示例代码：

cv::Mat image = cv::imread("image.jpg");
cv::HOGDescriptor hog;
hog.setSVMDetector(hog.getDefaultPeopleDetector());
std::vector<cv::Point> found_locations;
std::vector<float> descriptors;
hog.compute(image, descriptors);
int descriptor_size = hog.getDescriptorSize();
cv::Mat hog_matrix(descriptors.size() / descriptor_size, descriptor_size, CV_32FC1, descriptors.data());
for (int i = 0; i < hog_matrix.rows; i++) {
    cv::Mat feature_vector = hog_matrix.row(i);
    cv::Mat hog_image;
    hog.computeGradient(feature_vector, hog_image);
    cv::resize(hog_image, hog_image, cv::Size(64, 128)); // 根据 HOG 特征向量的维度进行调整
    cv::imshow("HOG Feature", hog_image);
    cv::waitKey(0);
}

这段代码首先使用 `cv::HOGDescriptor` 对象提取了一张图片中的 HOG 特征向量，然后将这些特征向量转换为二维矩阵，最后对每个特征向量进行可视化，并通过 `cv::waitKey()` 等待用户按下键盘按键以继续。

c++将hog.compute函数可视化

要将 `hog.compute()` 函数的结果可视化，可以按照以下步骤进行：

1. 使用 `hog.detectMultiScale()` 函数检测图像中的对象，并将对象的 ROI（感兴趣区域）保存在一个矩形向量中。

2. 对于每个 ROI，调用 `hog.compute()` 函数来计算 HOG 特征向量。

3. 使用 `cv::HOGDescriptor::getDescriptorSize()` 函数获取 HOG 特征向量的大小，并将其转换为矩阵形式。

4. 使用 `cv::Mat::reshape()` 函数将特征向量重新构造为矩阵形式，以便进行可视化。

5. 使用 `cv::imshow()` 函数将特征向量可视化。

下面是一个示例代码，用于可视化 HOG 特征向量：

#include <opencv2/opencv.hpp>

int main()
{
    cv::Mat image = cv::imread("test.jpg", cv::IMREAD_GRAYSCALE);
    cv::HOGDescriptor hog;
    hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());
    std::vector<cv::Rect> rects;
    hog.detectMultiScale(image, rects);

    for (size_t i = 0; i < rects.size(); ++i)
    {
        cv::Mat roi = image(rects[i]);
        std::vector<float> descriptors;
        hog.compute(roi, descriptors);

        int descriptor_size = hog.getDescriptorSize();
        cv::Mat descriptor_mat = cv::Mat(descriptors).reshape(1, descriptor_size);
        cv::Mat descriptor_image;
        cv::normalize(descriptor_mat, descriptor_image, 0, 255, cv::NORM_MINMAX);
        cv::imshow("HOG Descriptor", descriptor_image);
        cv::waitKey(0);
    }

    return 0;
}

这段代码将检测输入图像中的所有对象，并对于每个对象，计算其 HOG 特征向量，并将其可视化为一个灰度图像。