Image processing 对有向梯度直方图的理解

我正在学习关于HOG的知识，我从中了解它。用一个例子很好地解释了页面。我不理解这个概念，它是如何工作的

一个16×16的块有4个柱状图，这些柱状图可以连接起来形成36个柱状图 x 1元素向量，它可以像3×1向量那样归一化 标准化了

这是怎么来的，我们是怎么计算的？我们总是需要9位向量，这是强制性的吗？猪的尺寸是固定的吗

来了

我们总是需要9位向量，这是强制性的吗

不一定。Dalal和Triggs在报告中指出，当使用多达9个垃圾箱时，其应用（即行人检测）的准确度会提高，此后准确度不会进一步提高，这就是为什么通常使用9个垃圾箱的原因

这个36*1是怎么来的，我们是怎么计算的

正如评论中已经指出的那样：

每个直方图有9个箱子（每个箱子都是特征向量中的标量值）。在您的示例中，直方图是使用8 x 8块计算的，这意味着在16 x 16块中，您将能够计算4个直方图。每个直方图将产生一个9x1特征向量，因此：

4（直方图）*9（箱）=36 x 1特征向量

---

基本上，只需将结果连接到一个向量中

8x8块创建9格柱状图。一个16x16块=4个8x8块，因此它有4个直方图，可以连接成36 x 1（9x4）。我不确定9位向量是否是必须的，但建议使用。