Image processing 128 sift描述符的值?

Image processing 128 sift描述符的值?,image-processing,computer-vision,sift,Image Processing,Computer Vision,Sift,我知道我们在关键点周围有一个16x16的“中间”像素窗口。我们把那扇窗户分成16扇4x4的窗户。从每个4x4窗口,我们生成一个包含8个箱子的直方图。对应于0-44度、45-89度等的每个箱子。4x4的梯度方向被放入这些箱子中。这是为所有4x4块完成的。最后,我们对得到的128个值进行规范化。 他们从哪里获得价值 但我误解了128这个数字是从哪里来的?它是指方向值的相应大小还是什么 如果有人能描述任何数字示例,我将不胜感激 在SIFT(尺度不变特征变换)中,128维特征向量由每个窗口在每个样本的8

我知道我们在关键点周围有一个16x16的“中间”像素窗口。我们把那扇窗户分成16扇4x4的窗户。从每个4x4窗口,我们生成一个包含8个箱子的直方图。对应于0-44度、45-89度等的每个箱子。4x4的梯度方向被放入这些箱子中。这是为所有4x4块完成的。最后,我们对得到的128个值进行规范化。 他们从哪里获得价值

但我误解了128这个数字是从哪里来的?它是指方向值的相应大小还是什么

如果有人能描述任何数字示例,我将不胜感激

在SIFT(尺度不变特征变换)中,128维特征向量由每个窗口在每个样本的8个方向上的4个样本组成

有关图解指南,请参见,尤其是此图,显示嵌入每个4x4网格正方形(中心图像)中的8个方向测量值(基数和基数间),然后是方向直方图(右图):

从你的问题中,我相信你也不清楚描述符中的信息是什么——它被称为定向梯度直方图(HOG)。为了进一步阅读,维基百科对HOG进行了概述:

单元内的每个像素根据梯度计算中发现的值,对基于方向的直方图通道进行加权投票


一切都是建立在每像素“投票”的基础上的。

你能更清楚一点你的要求吗?