朴素贝叶斯算法介绍，关于HoG算法的介绍

很多朋友对朴素贝叶斯算法介绍，关于HoG算法的介绍不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

梯度方向直方图(HoG)是计算机视觉和图像处理领域中一个非常重要的特征，广泛应用于目标检测、人脸检测、表情检测等领域。HoG是由CVPR的Navneet Dalal和Bill Triggs在2005年首先提出的。HoG的算法很简单，但是对于物体的特征表示非常有效。简单高效，这大概也是它自提出以来在CV领域得到广泛应用的原因。

先简单介绍一下HoG的算法：首先计算梯度：我们可以看到，如果k固定，那么直方图的长度也就固定了。如果这个直方图用于统计整个图像，那么不管图像的大小，最终的直方图仍然是k。很明显，这不是我们想看到的，所以很多信息会丢失。所以有块表示。

分块表示，简单来说就是把图像分成块，把图像分成块，每块可以用一个直方图来计数，然后把每块的直方图连接起来，形成一个长直方图。块表示也是提取局部特征最常用的方法。

一幅图像分块也有两种方式，一种是重叠，一种是非重叠，即块与块之间有重叠或者没有重叠。在计算HoG时，一般我们会选择重叠块法。在MATLAB中已经集成了HoG的函数，可以直接调用库函数来计算HoG。该函数的调用形式如下：[f1，可视化]=extracthogbhaviors(I)。

其中I是输入图像，f1是计算的HoG特征，它是高维直方图，visualization是用于可视化HoG的对象变量。这个函数有许多输入变量。除了输入图像I之外，还有一些其他变量，它们通常采用默认值。

下面我们逐一介绍这些默认变量：cellsize: [8，8]，它是计算HoG的最小块。每个88单元可以得到一个直方图。Blocksize: [2，2]，表示一个块包含多少个单元，[2 ^ 2]表示一个块包含22个单元。BlockOverlap:这表示块之间重叠部分的大小，用单元的数量表示。默认值是一半的单元格重叠。NumBins:就是上面说的k，默认值是9。

UseSignedOrientation:是上面提到的角度的取值范围，默认值是无符号角度范围，即0180。

因此，使用默认值，虽然一个单元的直方图的长度只有9，但是一个块有4个单元，一个块的直方图的长度变成36。对于大小为6464的图像，将有49个块，因此HoG的最终长度为3664=1764。图像尺寸越大，猪越多。但总的来说，HoG是一个简单紧凑的特性。

和Gabor，LBP，SIFT相比，相对经济，性价比高。

最后给出了一个例子：

以上知识分享希望能够帮助到大家！