HOG特徵如何可視化？

有關HOG特徵提取的論文中好像對結果都有一個標準的表示方式如下圖所示：

但是論文中都沒有提到是如何實現的，所以想問一下這樣的圖是怎樣得來的？每一個「亮線」的方向和長度大小代表什麼？

---

MIT的Carl Vondrick已經做了相關的工作，公布了HOG可視化的代碼。你可以看看。

HOGgles: Visualizing Object Detection Features

---

可以嘗試一下Matlab的extractHOGFeatures函數，這個函輸出兩個結果，一是1xN維的HOG特徵矢量，一個是Vision，可以使用plot函數畫出HOG特徵圖。

貼上代碼和結果：

img = imread(xxx);

[feature,vision] = extractHOGFeatures(double(img),CellSize,[32 32]);

figure;imshow(img);hold on

plot(vision)

---

from skimage.feature import hog
from skimage import io
im = io.imread(./timg.jpg,as_grey=True)
normalised_blocks, hog_image = hog(im, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(8, 8), visualise=True)
io.imshow(hog_image)


---

去年看過很多 HOG論文也實現過。我記得HOG不是把每個block內的東西分為9個角度吧，梯度大小根據梯度方向貢獻給了這9個方向，貌似是這樣。

---

如果知道HOG的原理這個圖應該不難理解，因為每個cell的descripter就是像素點梯度方向和強度的統計，所以每一大塊應該是一個cell或者block，其中每條線的方向代表著這個單元內每個像素點的梯度方向。。。。。。（我沒看過hog的任何論文，只是大概知道其原理，做了上述推測）

---

推薦閱讀：