計算機視覺工程師在面試過程中主要考察三個內容：圖像處理、機器學習、深度學習。然而，各類資料紛繁複雜，或是簡單的知識點羅列，或是有着詳細數學推導令人望而生畏的大部頭。爲了督促自己學習，也爲了方便後人，決心將常考必會的知識點以通俗易懂的方式設立專欄進行講解，努力做到長期更新。此專欄不求甚解，只追求應付一般面試。希望該專欄羽翼漸豐之日，可以爲大家免去尋找資料的勞累。每篇介紹一個知識點，沒有先後順序。想了解什麼知識點可以私信或者評論，如果重要而且恰巧我也能學會，會盡快更新。最後，每一個知識點我會參考很多資料。考慮到簡潔性，就不引用了。如有冒犯之處，聯繫我進行刪除或者補加引用。在此先提前致歉了！
HOG
Histogram of Oriented Gradients
方向梯度直方圖
原理
HOG是一種描述圖像的特徵。顧名思義，主要對像素的梯度方向敏感。
該特徵最早用於行人檢測，即檢測一張圖像中是否包含行人。
步驟如下：
- 使用常用圖像預處理方法，如去噪，對比度調整等，對圖像進行處理。
- 轉換爲灰度圖像。
- 使用常用梯度算子，求取每一個像素點的水平梯度x，豎直梯度y，將兩者平方相加開根號求得梯度大小。
- 使用x,y以及反正切函數計算梯度方向，並統一到0到180度的區間。
- 對於每一個像素有了兩個參數，梯度大小和梯度方向。
- 將180度分爲n個區間，比如9個：0,20,40,60,80,100,120,140,160。
- 如果一個像素的梯度大小爲10，梯度方向是60，那麼60區間加10。如果梯度大小爲40，梯度方向爲85，那麼80區間加30（40的四分之三），100區間加10（40的四分之一）。
- 對於一個mxm的cell，比如8x8，每一個點都進行第7步的統計，那麼此cell會得到一個9維的向量。
- k個cell，如4個組成一個正方形block，每一個cell的9維特徵進行歸一化。將4個cell的特徵連接，獲得36維特徵。
- 將圖像所有的block的特徵相連，如果有100個block，那麼最後的圖像特徵就是3600維的。這就是HOG特徵。
細節
一般會讓block之間會有一定的重疊，在一定程度上緩解了同一物體被分割的情況，但是會大幅增加計算量。
90度和270度的梯度方向雖然相反，但是都是豎直走向，區分上下沒有太大意義。所以可以將270度變爲90度，即最後把0到360度變成了0到180度。
不使用0到360的原因是，0到180的實驗效果好。作者沒有進一步解釋。我認爲如果梯度方向劃分的區間大小相同，0到360度的特徵維度就大了一倍，但是大的這一倍其實是沒必要的，所以造成了性能的下降。
可以直接處理RGB圖像，對三個維度分別計算梯度，取最大值。可以，但沒必要。
特徵歸一化是爲了減輕光照影響，因爲同樣的梯度，如果圖像亮一些，HOG特徵就會變大，這樣對比較圖像中較暗處的梯度就不公平了。
使用block的原因是當block重疊時，重疊的cell的特徵可以反覆利用。所以每張圖只需要計算每個cell（它們不重疊）的特徵。如果使用cell重疊，那麼每張圖要計算很多重疊的cell的特徵，增加了計算量。
擴展
提取的HOG特徵下一步一般使用SVM進行分類。
HOG可以與金字塔思想結合，如下所示。每一個level的block大小不同，最後將每一個level的HOG連接，形成最終的HOG。這樣可以增強對不同尺度特徵的敏感性。當然每一個block的特徵要歸一化，因爲大block的特徵向量中的數字肯定比小block的特徵向量中的數字大。
完
歡迎討論 歡迎吐槽