Hog算法加速的实现代码

前言：

Hog算法在图像处理中，应用十分广泛，但是其计算速度比较慢，时间代价较大。现把项目中，自己写的优化加速后的代码贴出来。具体Hog的原理就不细说了，这个文章到处都有，并不复杂。（这个并不是标准的HOG算法，简化版，请注意，谢谢！）

代码：

代码主要分三部分，1>计算梯度，Bin；2>梯度累加；3>计算距离

<pre name="code" class="cpp"><span style="font-size:18px;">/*函数名：calGradBin  功  能：计算图像梯度和Bin  参  数：imagegray：灰度图像一维指针  height：   图像高度，也就是行数  width：    图像宽度，也就是列数  grad：     图像梯度，一维指针  ImageBin： 图像Bin，一维指针  作  者：[e-mail]   修改日期：2014.5.26*/void calGradBin(unsigned char *imagegray,int height,int width,double *grad,unsigned char *ImageBin){unsigned char pxl,pxr,pyu,pyd,flagx=0,flagy=0,gradx,grady;int i,j;for (i=1;i<height-1;i++){for (j=1;j<width-1;j++){pxl=imagegray[i*width+j-1];pxr=imagegray[i*width+j+1];pyu=imagegray[(i-1)*width+j];pyd=imagegray[(i+1)*width+j];if (pxl==pxr || pyu==pyd) //有一个方向梯度为0，方向即为0,梯度幅值也为0;{continue;}flagx=0,flagy=0;if(pxl>pxr){gradx=pxl-pxr;}else{gradx=pxr-pxl;flagx=1;//正}if(pyu>pyd){grady=pyu-pyd;flagy=1;}else{grady=pyd-pyu;//正}if (flagx+flagy==1)//同时为正或同时为负{ImageBin[i*width+j]=2-BinNum[gradx-1][grady-1];grad[i*width+j]=Mag[gradx-1][grady-1];}else{ImageBin[i*width+j]=BinNum[gradx-1][grady-1];grad[i*width+j]=Mag[gradx-1][grady-1];}}}}/*函数名：HogMap  功  能：计算图像Hog特征  参  数：ImageBin： 图像Bin数，一维指针  height：   图像高度，也就是行数  width：    图像宽度，也就是列数  grad：     图像梯度，一维指针  Hog：      图像Hog特征，一维指针  HeightHog：Hog特征高度  widthHog： Hog特征宽度  作  者：[e-mail]   修改日期：2014.5.26*/void HogMap(unsigned char *ImageBin,double *grad,int height,int width,int bin,double *Hog,int HeightHog,int WidthHog){int step=8,i,j,k,l;int NumofCellinRow,NumofCellinCol,WidthofHog;int CoordinateHog,CoordinateBinMag;double tempsum;NumofCellinRow=height>>3;NumofCellinCol=width>>3;WidthofHog=NumofCellinCol*bin;HeightHog=NumofCellinRow;WidthHog =WidthofHog;for (i=0;i<NumofCellinRow;i+=1){for (j=0;j<NumofCellinCol;j+=1){CoordinateHog    =i*WidthofHog+j*bin;CoordinateBinMag =i*width*8+j*8; tempsum=0.0000001;for (k=0;k<8;k+=1){for (l=0;l<8;l+=1){Hog[CoordinateHog+ImageBin[CoordinateBinMag+k*width+l]] += grad[CoordinateBinMag+k*width+l];}}tempsum+=Hog[CoordinateHog]+Hog[CoordinateHog+1]+Hog[CoordinateHog+2];Hog[CoordinateHog]=Hog[CoordinateHog]/tempsum;Hog[CoordinateHog+1]=Hog[CoordinateHog+1]/tempsum;Hog[CoordinateHog+2]=Hog[CoordinateHog+2]/tempsum;}}}//I1为大图，I2为小图/*函数名：Match  功  能：计算图像Hog特征匹配位置  参  数：I1： 大图指针  r1： 图像高度，也就是行数  c1： 图像宽度，也就是列数  I2： 小图指针  r1： 图像高度，也就是行数  c1： 图像宽度，也就是列数  x ： 匹配点坐标，为列坐标  y ： 匹配点坐标，为行坐标  作  者：[e-mail]   修改日期：2014.5.26*/void Match(unsigned char *I1,int r1,int c1,unsigned char *I2,int r2,int c2,int *x,int *y){unsigned char *I1Bin,*I2Bin;double        *I1Grad,*I2Grad,*I1Hog,*I2Hog;double d,Min=1<<30;;int i,j,itmp,jtmp;int bin=3;int I1NumofCellinRow=r1>>3;int I1NumofCellinCol=c1>>3;int I2NumofCellinRow=r2>>3;int I2NumofCellinCol=c2>>3;I1Bin =(unsigned char *)calloc(r1*c1,sizeof(unsigned char));I1Grad=(double*)calloc(r1*c1,sizeof(double));calGradBin(I1,r1,c1,I1Grad,I1Bin);free(I1);I1=NULL;I1Hog=(double*)calloc(I1NumofCellinRow*I1NumofCellinCol*bin,sizeof(double));HogMap(I1Bin,I1Grad,r1,c1,3,I1Hog,I1NumofCellinRow,I1NumofCellinCol*bin);free(I1Bin);I1Bin=NULL;free(I1Grad);I1Grad=NULL;I2Bin =(unsigned char *)calloc(r2*c2,sizeof(unsigned char));I2Grad=(double*)calloc(r2*c2,sizeof(double));calGradBin(I2,r2,c2,I2Grad,I2Bin);free(I2);I2=NULL;I2Hog=(double*)calloc(I2NumofCellinRow*I2NumofCellinCol*bin,sizeof(double));HogMap(I2Bin,I2Grad,r2,c2,3,I2Hog,I2NumofCellinRow,I2NumofCellinCol*bin);free(I2Bin);I2Bin=NULL;free(I2Grad);I2Grad=NULL;for (i=0;i<I1NumofCellinRow-I2NumofCellinRow;i+=1){for (j=0;j<I1NumofCellinCol-I2NumofCellinCol;j+=1){d=dist((I1Hog+i*I1NumofCellinCol*bin+j*bin),I2Hog,I1NumofCellinCol*bin,I2NumofCellinCol*bin,I2NumofCellinRow);if (d<Min){Min=d;itmp=i;jtmp=j;}}}*x=r1/2-itmp*8;*y=c1/2-jtmp*8;}/*函数名：dist  功  能：计算两个向量距离  参  数：I：      向量指针  J：      向量指针  Iwidth： I向量宽度  Jwidth： J向量宽度  height： 向量高度，I，J相同  作  者：[e-mail]   修改日期：2014.5.26*/double dist(double *I,double *J,int Iwidth,int Jwidth,int height){int i,j;double sum=0.0000001;int coordinate1,coordinate2;for (i=0;i<height;i+=1){for (j=0;j<Jwidth;j+=1){coordinate1=i*Iwidth+j;coordinate2=i*Jwidth+j;sum+=(*(I+coordinate1)-*(J+coordinate2))*(*(I+coordinate1)-*(J+coordinate2));}}sum=sum/(Jwidth*height);return sum;}</span>

其中，Mag和BinNum为提前制作的表，用于查询加速，并未贴出。空间和速度都提升很大，480*384大图，320*256小图，去边25个像素，CCS速度大概170M时钟周期，空间不超过1M。不正之处，望指正。