定向梯度直方图（缩写为HoG）是计算机视觉和图像处理领域的一个非常重要的功能，并且广泛用于对象检测，面部检测，面部表情检测等。HoG最早由Navneet Dalal和Bill提出。在2005年的CVPR上使用Triggs。HoG算法非常简单，但是对于对象的特征表示却非常有效。简单高效，这可能是自从提出以来就已在CV行业中广泛使用的原因。这是HoG算法的简要介绍：首先是计算梯度：我们可以看到，如果设置了K，则也设置了直方图的长度。如果将此直方图用于整个图像的统计，则无论图像有多大，最终的直方图的长度仍为K。显然，这不是我们想要看到的，因此不可避免地会有很多信息迷路了。因此，存在块表示。块表示。简而言之，它是将图像划分为块，然后将图像划分为一个块，每个块可以使用直方图进行统计，然后将每个直方图块连接起来以形成一个长直方图。块表示也是最常用的局部特征提取方法。图像分割还有两种方法，一种是重叠，另一种是非重叠，这意味着块之间存在重叠，或者没有重叠。在计算HoG时，通常选择重叠块方法。 HoG的功能已集成在MATLAB中，您可以直接调用库函数来计算HoG。该函数的调用形式如下：[f1，可视化] = extractHOGFeatures（I）其中，I是输入图像，f1是计算出的HoG特征，这是一个高维直方图，可视化是一个可视化HoG的对象变量。 。此功能有许多输入变量。除了输入图像I外，还有一些其他变量，它们通常使用默认的默认值。下面一一介绍这些默认变量：cellsize：[8,8]，这是用于计算HoG的最小块，每个8×8的单元格都可以得到直方图。块大小：[2，2]，这意味着一个块包含多少个单元，[2 2]意味着一个块包含2 x 2个单元。 BlockOverlap：这是块之间重叠的大小，以像元数表示。默认值是一半的单元格重叠。 NumBins：是上面提到的K，默认值是9。UseSignedOrientation：这是上面提到的角度的值范围。缺省值是无符号角度范围，即0°和负180°。因此，将使用默认值进行计算。尽管一个单元的直方图的长度仅为9，一个块具有4个单元，但是一个块的直方图的长度变为36。对于大小为64×64的图像，使用重叠块方法，将有49个块，因此HoG的最终长度为36×。 64 = 1764。图像尺寸越大，HoG的长度也会增加。但总的来说，HoG仍然是一个紧凑功能。与Gabor，LBP和SIFT相比，它更经济，更具成本效益。最后，给出一个例子：