HOG特征提取 matlab

网上有很多大神写的hog的原理，这里就不介绍了，本文主要用matlab实现求图像的hog特征，主要参考了
http://blog.csdn.net/dulingtingzi/article/details/51488060，
http://blog.csdn.net/hujingshuang/article/details/47337707/，
感谢博主。
求hog特征的主要步骤如下：
1、灰度化；
2、gamma校正；
3、求每个像素的梯度和方向；
4、划分cell（8*8pixel/cell），根据幅值和方向求取每个cell的梯度直方图；
5、组合block（2*2cell/block），将这4个cell的梯度直方图连在一起作为该block的特征向量；
6、将所有的block的特征向量组合起来，即为该图像的hog特征向量。

代码如下：

clear;clc;img=imread('C:\Users\Administrator\Desktop\lena.jpg');% 1、%灰度化img=rgb2gray(img);img=double(img);step=8;      %step*step个像素作为一个cell[m1 n1]=size(img);%改变图像尺寸为step的最近整数倍img=imresize(img,[floor(m1/step)*step,floor(n1/step)*step],'nearest');[m n]=size(img);% 2、%伽马校正img=sqrt(img);% 3、求梯度和方向fy=[-1 0 1];        %定义竖直模板fx=fy';             %定义水平模板Iy=imfilter(img,fy,'replicate');    %竖直梯度Ix=imfilter(img,fx,'replicate');    %水平梯度Ied=sqrt(Ix.^2+Iy.^2);              %梯度值Iphase=Iy./Ix;              %边缘斜率，有些为inf,-inf,nan，其中nan需要再处理一下the=atan(Iphase)*180/3.14159; %求梯度角度for i=1:m    for j=1:n        if(Ix(i,j)>=0&Iy(i,j)>=0) %第一象限            the(i,j)=the(i,j);        elseif(Ix(i,j)<=0&Iy(i,j)>=0) %第二象限            the(i,j)=the(i,j)+180;        elseif(Ix(i,j)<=0&Iy(i,j)<=0) %第三象限            the(i,j)=the(i,j)+180;        elseif(Ix(i,j)>=0&Iy(i,j)<=0) %第四象限            the(i,j)=the(i,j)+360;        end        if isnan(the(i,j))==1  %0/0会得到nan，如果像素是nan，重设为0            the(i,j)=0;        end    endendthe=the+0.000001; %防止角度为0% 4、划分cell，求cell的直方图( 1 cell = 8*8 pixel )clear i j;%下面是求cellstep=8;                %step*step个像素作为一个cellorient=9;               %方向直方图的方向个数jiao=360/orient;        %每个方向包含的角度数Cell=cell(1,1);              %所有的角度直方图,cell是可以动态增加的，所以先设了一个ii=1;jj=1;for i=1:step:m    ii=1;    for j=1:step:n        Hist1(1:orient)=0;        for p=1:step            for q=1:step                %梯度方向直方图                Hist1(ceil(the(i+p-1,j+q-1)/jiao))=Hist1(ceil(the(i+p-1,j+q-1)/jiao))+Ied(i+p-1,j+q-1);            end        end        Cell{ii,jj}=Hist1;       %放入Cell中        ii=ii+1;    end    jj=jj+1;end% 5、划分block，求block的特征值,使用重叠方式( 1 block = 2*2 cell )clear m n i j;[m n]=size(Cell);feature=cell(1,(m-1)*(n-1));for i=1:m-1    for j=1:n-1        block=[];        block=[Cell{i,j}(:)' Cell{i,j+1}(:)' Cell{i+1,j}(:)' Cell{i+1,j+1}(:)'];        block=block./sum(block); %归一化        feature{(i-1)*(n-1)+j}=block;    endend% 6、图像的HOG特征值[m n]=size(feature);l=2*2*orient;featureVec=zeros(1,n*l);for i=1:n    featureVec((i-1)*l+1:i*l)=feature{i}(:);end

hog特征值的维数计算如下：
图像大小为256*256，8*8pixel/cell，9bin/cell（将360度划分为9个区域），2*2cell/block，采用重叠（overlape）方式求block的特征向量，则有32*32个block，每个block的梯度直方图为9*2*2个，总维数大小为（32-1）*（32-1）*9*2*2=34596。
然后就可以将该hog特征放到分类器中进行训练了。