从this question跟进，我能够将图像的HoG特征变成可用于分类的numpy数组，但每个图像的HoG特征数量不同。
例如，一个图像产生一个具有2080个元素的HoG特征数组，另一个产生1744个数组，依此类推。
如何控制生成的HoG功能的数量？对于 m 样本，我需要将大小 m x n 的数组传递给机器学习算法，因此 n 需要保持不变。令我惊讶的是，在提取HoG功能之前，我已经将所有图像的大小调整为相同大小，那为什么会有区别呢？
答案 0 :(得分：0)
如果输入图像的大小相同，那么来自HOG的特征向量也将具有相同的大小，前提是您对两个输入图像使用相同的hog函数参数。 为了使猪特征向量具有相同的大小，我们必须在所有输入图像中满足以下条件，
1）相同的图像尺寸（分辨率）。 2）相同数量的细胞。 3）相同数量的块。 4）相同数量的方向。
对于每个单元中的像素数，在所有输入图像中不需要相同以获得与块大小相同的大小特征向量，并且重叠也包含在其中。但它会直接影响两个特征向量之间的比较，因此为了描述符比较所需的结果，在所有输入图像中使用相同的像元大小非常重要。
虽然重叠参数会改善描述符，但它不会影响特征向量大小。