HOG 根据Dalal提出的HOG特征算法编写

根据Dalal提出的HOG特征算法编写，代码简单，注释清楚，根据所处理图像的名称路径修改后可生成36*105的特征向量。

% imgPathName: 图片路径及名称
% cell_size: cell的长宽
% nblock: block的width及height包括的cell个数
% overlap: block重叠比例
% angle: 180/360
% bin_num: 方向bin的数目
% weight_vote: 高斯加权投票

function HOG = HOG（imgPathName cell_size nblock...                        % 计算图像的HOG特征向量
               overlap angle bin_num）

if nargin<2
    cell_size=8;                                                              % 默认参数
    nblock=2;
    overlap=0.5;
    angle=180;
    bin_num=9;
elseif nargin<6
    error（‘Input parameters are not enough.‘）;
end
 
Img = imread（imgPathName）;
if size（Img3） == 3
    G = rgb2gray（Img）;                                                        % 简化计算，直接转换成灰度图像
else
    G = Img;
end
 
[height width] = size（G）;

hx = [-101];                                                                % 计算x、y方向的梯度
hy = -hx‘;
grad_x = imfilter（double（G）hx）;
grad_y = imfilter（double（G）hy）;

grad_mag=sqrt（grad_x.^2+grad_y.^2）;                                           % 计算梯度的模长

index= grad_x==0;                                                             % 计算梯度的方向
grad_x（index）=1e-5;
YX=grad_y./grad_x;
if angle==180
    grad_angle= （（atan（YX）+（pi/2））*180）./pi;
elseif angle==360
    grad_angle= （（atan2（grad_ygrad_x）+pi）.*180）./pi;
end
 
bin_angle=angle/bin_num;                                                      % 标定方向
grad_orient=ceil（grad_angle./bin_angle）;
 
block_size=cell_size*nblock;                                                  % 计算block个数
skip_step=block_size*overlap;
x_step_num=floor（（width-block_size）/skip_step+1）;
y_step_num=floor（（height-block_size）/skip_step+1）;
 
feat_dim=bin_num*nblock^2;                                                    % 初始化HOG特征描述子
HOG=zeros（feat_dimx_step_num*y_step_num）;
 
for k=1:y_step_num
    for j=1:x_step_num
        x_off = （j-1）*skip_step+1;                                            % block左上角坐标
        y_off = （k-1）*skip_step+1;
 
        b_mag=grad_mag（y_off:y_off+block_size-1x_off:x_off+block_size-1）;    % 获取block梯度大小与方向
        b_orient=grad_orient（y_off:y_off+block_size-1x_off:x_off+block_size-1）;
 
        currFeat = BlkHOG（b_mag b_orient cell_sizenblock bin_num false）; % 当前block的HOG
        HOG（: （k-1）*x_step_num+j） = currFeat; 
    end
end

function BlkHOG = BlkHOG（ b_magb_orientcell_sizenblock...                 % 计算单个block的HOG特征向量
                  bin_num weight_vote）

BlkHOG=zeros（bin_num*nblock^21）;

gaussian_weight=fspecial（‘gaussian‘cell_size*nblock0.5*cell_size*nblock）;   % 高斯权重

for n=1:nblock                                                                % 分割block
    for m=1:nblock
        x_off = （m-1）*cell_size+1;                                            % cell左上角坐标
        y_off = （n-1）*cell_size+1;

        c_mag=b_mag（y_off:y_off+cell_size-1x_off:x_off+cell_size-1）;         % cell梯度大小与方向
        c_orient=b_orient（y_off:y_off+cell_size-1x_off:x_off+cell_size-1）;
 
        c_feat=zeros（bi

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3828  2013-03-19 17:05  HOG.m