图像检索-边缘直方图

Question

我的讲师在image retrieval的edge histograms上有一张幻灯片，他说必须先把图像分成4x4 blocks，然后在horizontal, vertical, +45°, and -45° orientations上检查边缘。然后，他声明这将在14x1 histogram中表示。我不知道他是如何决定必须创建14x1 histogram的。有谁知道他是如何得出这个值的，或者知道如何创建一个edge histogram

谢谢。

Answer 1

你所指的东西叫做定向梯度直方图(HoG)。然而，数学并不适用于您的示例。通常情况下，您将选择空间入库参数( 4x4块)。对于每个块，您将计算一些不同方向上的梯度幅度(在您的例子中，只有两个方向)。因此，在每个块中，您将进行N_{directions}测量。将其乘以块的数量(对于您来说是16个)，您将看到16*N_{directions}总测量值。

要形成直方图，只需将这些测量值连接成一个长向量。只要您跟踪将bin/方向组合映射到一维直方图中的一个槽中的方式，任何进行连接的方法都是可以的。然后，这种长长的连接直方图最常用于机器学习任务，比如训练分类器根据图像梯度的方向识别图像的某些方面。

但在您的例子中，教授必须做一些特殊的事情，因为如果您有16个不同的图像块( 4x4图像块的网格)，那么您需要计算每个块不到1个测量值，最终得到整个直方图中的总共14个测量值。

或者，教授的意思可能是你取-45，+45之间的角度范围，然后将其分为14个不同的值：-45，-45 + 90/14，-45 + 2*90/14，...诸若此类。

如果这是教授的意思，那么在这种情况下，您将在一个区块内获得14个定向箱。一旦所有的东西都连接起来，你就会有一个非常长的14*16 =224个分量的向量来描述整个图像。

顺便说一句，我用Python实现的渐变直方图做了很多测试，所以你可以看到一些与here或here相关的工作。该站点上还有一些示例代码，不过在scikits.image中出现了一个更受支持的HoG版本。