我的讲师在edge histograms上为image retrieval添加了幻灯片，他声明必须先将图片划分为4x4 blocks，然后检查horizontal, vertical, +45°, and -45° orientations处的边缘。然后他说这是用14x1 histogram表示的。我不知道他是如何决定必须创建14x1 histogram的。有谁知道他是如何提出这个值的，或者如何创建edge histogram？
感谢。
答案 0 :(得分：3)
你所指的东西叫做方向梯度直方图（HoG）。但是，数学不适用于您的示例。通常，您将选择空间分级参数（4x4块）。对于每个块，您将计算在某些不同方向上的梯度幅度（在您的情况下，只有2个方向）。因此，在每个块中，您将进行N_{directions}次测量。将其乘以块数（16个为您），您可以看到总计16*N_{directions}总计。{/ p>
要形成直方图，只需将这些测量值连接成一个长矢量即可。只要您跟踪将bin / direction组合映射到1-D直方图中的插槽的方式，任何进行连接的方法都可以。这种连接的长直方图最常用于机器学习任务，例如训练分类器根据其渐变方向识别图像的某些方面。
但是在你的情况下，教授必须做一些特别的事情，因为如果你有16个不同的图像块（一个4x4网格的图像块），那么你需要计算每个块不到1个测量结果总体直方图中总共有14次测量。
或者，教授可能意味着你采用[-45，+ 45]之间的角度范围，然后将其分为14个不同的值：-45，-45 + 90/14，-45 + 2 * 90 / 14，......等等。
如果这就是教授的意思，那么在这种情况下，你会在一个街区内获得14个方向箱。一旦所有内容连接起来，你就会有一个很长的14 * 16 = 224分量向量来描述整个图像。
顺便说一句，我已经使用Digary of Gradient的Python实现进行了大量测试，因此您可以看到一些链接here或here的工作。该网站还有一些示例代码，但在scikits.image中出现了更受支持的HoG版本。