我不清楚HOG和EOH之间的区别。 Hog基于图像衍生物EOH基于边缘方向。似乎HOG也以某种方式表达了EOH。
请您解释一下EOH与HOG的区别以及EOH与HOG相比的优势。在什么情况下我们可以使用EOH与HOG进行比较？
答案 0 :(得分：4)
我认为主要区别在于，对于HOG，计算实际梯度方向然后进行分箱，其中对于EOH，通过在一组边缘滤波器内核上搜索最大响应来评估边缘方向。所以你可以说HOG在梯度计算之后进行分箱，其中EOH直接计算箱中的梯度。根据您想要的垃圾箱数量，一个将比另一个更快。
在EOH中，明暗和暗光边缘通常被处理相同，因此取向在0到pi的范围内，其中在HOG中，箱子通常跨越整个2 * pi。你也可以轻松地让EOH这样做。
答案 1 :(得分：0)
虽然，我不认为它们有独特的定义，细节可以在很多层面上变化（例如如何计算方向（或方向梯度）），关键是边缘方向直方图构建的直方图只考虑与边缘对应的像素的梯度（反过来用其他方法计算，例如canny边缘），而定向梯度的直方图考虑每个像素的所有梯度。
我可能错了，但这就是我实施EOH的方式： http://robertour.com/2012/01/26/edge-orientation-histograms-in-global-and-local-features/