Python 限制/控制scikit图像生成的hog特征的数量

接下来，我可以将图像的HoG特征放入一个numpy数组中，用于分类，但是每个图像的HoG特征数量不同

例如，一个图像生成一个包含2080个元素的HoG特征数组，另一个图像生成一个包含1744个元素的数组，依此类推

---

如何控制生成的HoG特征的数量？对于m个样本，我需要将一个大小为mxn的数组传递给机器学习算法，因此n需要是常数。令我惊讶的是，在提取其HoG特征之前，我已经将所有图像的大小调整为相同大小，那么为什么会有差异？

如果输入图像的大小相同，那么来自HoG的特征向量也将相同大小，前提是对两个输入图像使用相同的HoG函数参数。 为了使hog特征向量的大小相同，我们必须在所有输入图像上满足以下条件：

1） 相同的图像大小（分辨率）。 2） 相同数量的细胞。 3） 相同数量的区块。 4） 方向数相同

对于每个单元中的像素数，不需要在所有输入图像中都相同，就可以得到与块大小相同的大小特征向量，并且重叠部分也在其中。但是，这将直接影响两个特征向量之间的比较，因此，为了从描述符比较中获得理想的结果，在所有输入图像中使用相同的单元大小非常重要

---

虽然重叠参数将改进描述符，但它不会影响特征向量的大小

你能提供一个简单的例子吗？如果输入的图像大小相同，Scikit图像的hog特征应该是一致的大小。我从来没有见过它给出不一致的大小在过去提供的所有图像是相同的大小/shape@user2970139，当然，我所有的代码都在这里：如果您想复制错误，我使用的示例都在本页的列表中提到：