HOG算法咨询：64×128图像L2归一化后得到3780向量的原理

Great question! Let's break this down step by step—this all boils down to how HOG organizes its cells and sliding blocks for normalization.

1. 先对应你提到的「分箱后1152个值」 #

首先，HOG会把图像划分为8×8像素的单元格（cell）：

• 64×128的图像，横向能划成 64/8 = 8 个cell，纵向是 128/8 = 16 个cell
• 总cell数：8×16 = 128 个
• 每个cell会把8×8=64个像素的梯度方向分到9个bin里，所以每个cell输出9个值
• 分箱后总数值：128×9 = 1152，这和你说的完全对应上了。

2. L2归一化是针对「滑动块（block）」做的 #

HOG不会直接用单个cell的特征，而是把相邻的cell组成block，对整个block的特征做L2归一化（目的是提升光照、对比度鲁棒性）。这里用的是HOG标准配置：

• 每个block包含 2×2 个cell（也就是16×16像素）
• block是滑动窗口，步长为1个cell（也就是每次滑8像素）

那咱们算一下总共有多少个这样的block：

• 横向block数量：总cell数是8个，block占2个cell，滑动步长1个，所以是 8 - 2 + 1 = 7 个
• 纵向block数量：总cell数是16个，同理得 16 - 2 + 1 = 15 个
• 总block数：7×15 = 105 个

3. 计算最终的特征维度 #

每个block包含 2×2=4 个cell，每个cell有9个bin，所以每个block的特征向量长度是：
4×9 = 36

把所有block的归一化特征拼起来，总特征数就是：
105×36 = 3780

这就是为什么经过L2归一化后会得到3780个值啦～

内容的提问来源于stack exchange，提问作者Aditya Jain