CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略

飘柔分 2022-09-19 13:01:53  48968

分类专栏：资讯

图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略

1、手写Hog特征提取算法


import numpy as np
import cv2
 
 
1、灰度图像gamma校正
def gamma(img):
    return np.power(img / 255.0, 1)
 
 
2、获取梯度值cell图像，梯度方向cell图像
def div(img, cell_x, cell_y, cell_w):
    cell = np.zeros(shape=(cell_x, cell_y, cell_w, cell_w))
    img_x = np.split(img, cell_x, axis=0)
    for i in range(cell_x):
        img_y = np.split(img_x[i], cell_y, axis=1)
        for j in range(cell_y):
            cell[i][j] = img_y[j]
    return cell
 
 
3、获取梯度方向直方图图像，每个像素点有9个值
def get_bins(grad_cell, ang_cell):
    bins = np.zeros(shape=(grad_cell.shape[0], grad_cell.shape[1], 9))
    for i in range

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=2532

赞同 0

评论 0 条

CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略

图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略

1、手写Hog特征提取算法

相关文章

关注我们