HOG特征手动编写代码实现《Python图像处理篇》

引言：在图像处理领域，HOG堪称技术领域的先驱者，它在深度学习尚未出现之前便已广受欢迎，可称之为当时的热门技术，犹如网络时代的明星人物，备受关注。

1.HOG原理

HOG的核心在于对图像中的梯度信息进行统计分析，其形式与直方图相似，但直方图统计的是像素值的分布情况，而HOG则关注于像素梯度的变化特征。可以这样认为，HOG是在直方图的基础上进一步引入了梯度信息的分析方法，仿佛是借助前人的成果进行创新。（这是小琼较为直接的理解方式，若存在偏差，欢迎各位提出宝贵意见）

2.主要内容（算法流程）

1》标准化。

规范的术语表述为：其主要目的在于将图像中像素值统一归一化至0-1区间内，从而有助于后续计算，并有效降低运算复杂度。

img=img/255 ;（像素值范围为0-255）

2》Gamma矫正。

HOG算法的第二步是实施Gamma矫正操作（该过程类似于直方图均衡化技术，在一定程度上扩展灰度图像的对比范围。通常取值为0.5-0.8之间，主要目的是削弱光照条件对图像的影响）

公式：Gamma=IMG^gamma ；(gamma=0.8)

（加深理解）对原始图像执行指数变换操作。

3》计算梯度。