OpenCV 3.0 Python SVM示例

是opencv python 3.0中的SVM示例。请任何人解释一下循环中的process_hog（）函数的内部操作。提前感谢

def preprocess_hog(digits):
    samples = []
    for img in digits:
        gx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
        gy = cv2.Sobel(img, cv2.CV_32F, 0, 1)
        mag, ang = cv2.cartToPolar(gx, gy)
        bin_n = 16
        bin = np.int32(bin_n*ang/(2*np.pi))
        bin_cells = bin[:10,:10], bin[10:,:10], bin[:10,10:], bin[10:,10:]
        mag_cells = mag[:10,:10], mag[10:,:10], mag[:10,10:], mag[10:,10:]
        hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)]
        hist = np.hstack(hists)

        # transform to Hellinger kernel
        eps = 1e-7
        hist /= hist.sum() + eps
        hist = np.sqrt(hist)
        hist /= norm(hist) + eps

        samples.append(hist)
    return np.float32(samples)

编辑 如果我用hog.compute（）代替

它给出了这个错误

Traceback (most recent call last):
  File "handGT.py", line 125, in <module>
    samples = preprocess_hog(digits)
  File "handGT.py", line 110, in preprocess_hog
    return np.float32(samples)
ValueError: setting an array element with a sequence.

回溯（最近一次呼叫最后一次）：
文件“handGT.py”，第125行，在
样本=预处理（数字）
文件“handGT.py”，第110行，在预处理中
返回np.32（样本）
ValueError:使用序列设置数组元素。

我要说的是：它计算每个数字的（单块）特征：我明白了。。但是为什么不只计算hog.compute（）？我认为这是因为它只计算单个块hog，而不是全功能的hog描述符（有很多带插值的重叠块）。好吧，如果我想为大于10x10的任何对象提取hog特征？？那不合适。你能给我推荐一些我能找到她所做的所有步骤细节的文档吗？事实上我不知道。对于任何更大的数字，你都可以使用hog.compute（）我将使用它：它计算每个数字的（单个块）特性：我明白了。。但是为什么不只计算hog.compute（）？我认为这是因为它只计算单个块hog，而不是全功能的hog描述符（有很多带插值的重叠块）。好吧，如果我想为大于10x10的任何对象提取hog特征？？那不合适。你能给我推荐一些我能找到她所做的所有步骤细节的文档吗？事实上我不知道。对于任何更大的问题，都可以使用hog.compute（）

Traceback (most recent call last):
  File "handGT.py", line 125, in <module>
    samples = preprocess_hog(digits)
  File "handGT.py", line 110, in preprocess_hog
    return np.float32(samples)
ValueError: setting an array element with a sequence.