咨询Python中cv2.HOGDescriptor参数、输入要求与输出规则

以下为参考实现代码：

winSize = (4, 4)
blockSize = (4, 4)
blockStride = (4, 4)
cellSize = (4, 4)
nbins = 9
derivAperture = 1
winSigma = 4.
histogramNormType = 0
L2HysThreshold = 2.0000000000000001e-01
gammaCorrection = 0
nlevels = 64
winStride = (4, 4)
padding = (4, 4)
locations = ((10, 20),)
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,nbins,derivAperture,winSigma,
                        histogramNormType,L2HysThreshold,gammaCorrection,nlevels)
res = hog.compute(im,winStride,padding,locations)

注意：所有尺寸类元组参数的顺序均为(宽度, 高度)，和OpenCV图像默认的(行数, 列数)坐标顺序相反，传参时需注意顺序不要颠倒

构造函数参数（初始化HOG描述子实例时传入） #

• winSize：类型为tuple[int, int]，检测窗口的尺寸，宽高必须是blockStride的整数倍
• blockSize：类型为tuple[int, int]，每个块的尺寸，宽高必须是cellSize的整数倍
• blockStride：类型为tuple[int, int]，块在窗口内滑动的步长，宽高必须是cellSize的整数倍
• cellSize：类型为tuple[int, int]，每个细胞单元的像素尺寸，单元内会统计梯度方向直方图
• nbins：类型为int，梯度直方图的方向分箱数量，常用取值为9，对应将0-180度无向梯度划分为9个等距区间
• derivAperture：类型为int，计算图像梯度时使用的Sobel算子核大小，支持取值1、3、5、7；取1时不使用Sobel核，直接用[-1,0,1]的一阶中心差分计算梯度
• winSigma：类型为float，检测窗口预处理高斯平滑的高斯核标准差，用于对梯度幅值做空间加权
• histogramNormType：类型为int，块直方图的归一化类型，0对应最常用的L2-Hys归一化
• L2HysThreshold：类型为float，L2-Hys归一化使用的截断阈值，常用取值为0.2
• gammaCorrection：类型为int，布尔开关，传0表示关闭输入图像的gamma校正预处理，传1表示开启
• nlevels：类型为int，多尺度检测时使用的图像金字塔最大层数

compute() 特征计算方法参数 #

• im：类型为numpy.ndarray，输入图像，支持单通道灰度图或三通道BGR彩色图，常规使用uint8数据类型即可
• winStride：类型为tuple[int, int]，检测窗口在整图上滑动的步长，宽高必须是blockStride的整数倍
• padding：类型为tuple[int, int]，图像边缘的补零尺寸，用于解决边缘位置窗口超出图像范围的计算问题
• locations：类型为tuple[tuple[int, int], ...]，手动指定的检测窗口左上角坐标集合；传入该参数时会跳过滑动窗口逻辑，仅计算指定坐标位置的HOG特征

输出内容说明 #

• 返回值res类型为numpy.ndarray，是形状为(特征总维度, 1)的float32类型列向量
• 单个检测窗口的特征维度计算规则：
  单个块特征维度 = (blockSize.width / cellSize.width) * (blockSize.height / cellSize.height) * nbins
  单窗口块总数 = ((winSize.width - blockSize.width) / blockStride.width + 1) * ((winSize.height - blockSize.height) / blockStride.height + 1)
  单窗口特征维度 = 单个块特征维度 * 单窗口块总数
• 如果传入多个检测位置、或使用滑动窗口生成多个检测位置，返回结果为所有位置的特征按顺序拼接后的数组

内容的提问来源于stack exchange，提问作者Farah Fekih