OpenCV在图像中清晰展示HOG特征值

HOG特征提取算法的具体实施过程如下：
具体步骤：
首先将目标图像视为一个x,y,z（灰度）三维数据结构；
随后通过Gamma校正法对输入图像进行颜色空间标准化处理；这种操作旨在调节图像对比度并减少光照变化带来的干扰影响；
接着计算每个像素处的空间变化率及其方向信息；这一步骤有助于增强轮廓边缘的描述特性；
之后将整个目标区域划分为若干个小cell区域（如6×6像素/单元格）；
对于每个小单元格计算其梯度直方图特征；通过统计不同梯度方向上的计数值来构建单元格级别的特征向量；
最后将相邻单元格形成的block区域内的所有梯度直方图特征串联起来生成最终的目标HOG特征表示；

通过将图像image内部的所有block依次提取其HOG特征descriptor并将其连接起来, 我们便能够获得该image（即你要检测的目标）对应的HOG特征descriptor作为最终输出, 这个结果正是可用于分类任务的关键特征向量。

hog.window size is set to (200x128).
hog.block size is configured as (48x