이미지 검색 - 가장자리 히스토그램

Question

내 강사는 을 image retrieval으로 슬라이드합니다. 즉, 먼저 이미지를 4x4 blocks으로 나눠야하고 horizontal, vertical, +45°, and -45° orientations에서 가장자리를 확인해야한다고 나와 있습니다. 그런 다음 그는 14x1 histogram으로 표시됩니다. 14x1 histogram을 만들어야한다고 결정한 방법에 대해 알지 못합니다. 누구든지 그가 어떻게이 가치를 생각해 냈는지 또는 edge histogram을 만드는 방법을 알고 있습니까?

감사합니다.

Answer 1

당신이 말하는 것을 Histogram of Oriented Gradients (HoG)라고합니다. 그러나, 수학은 당신의 모범을 위해 작동하지 않습니다. 일반적으로 공간 비닝 매개 변수 (4x4 블록)를 선택합니다. 각 블록에 대해 몇 가지 방향 (사용자의 경우 2 방향)에서의 그래디언트 크기를 계산합니다. 따라서 각 블록에는 N_{directions} 측정 값이 있습니다. 이것을 블록 수 (사용자의 경우 16)로 곱하면 16*N_{directions} 총 측정 값이 있음을 알 수 있습니다.

히스토그램을 형성하려면이 측정 값을 하나의 긴 벡터로 연결하기 만하면됩니다. bin/direction 콤보를 1 차원 막대 그래프의 슬롯에 매핑하는 방법을 추적하는 한 연결을 수행하는 방법은 아무 문제가 없습니다. 이러한 연결의 긴 히스토그램은 주로 그라디언트의 방향을 기반으로 이미지의 일부분을 인식하기 위해 분류자를 훈련하는 것과 같은 기계 학습 작업에 사용됩니다.

하지만 16 개의 서로 다른 이미지 블록 (이미지 블록의 4x4 격자)이있는 경우 교수가 특별한 것을해야합니다. 결국 블록 당 1 회 미만의 측정을 수행해야합니다. 전체 히스토그램에서 총 14 개의 측정 값이 있습니다.

또는 교수는 [-45, + 45] 사이의 각도 범위를 사용하여이를 -45, -45 + 90/14, -45 + 2 * 등 14 개의 다른 값으로 나눌 수 있습니다. 90/14, ... 등등.

이것이 교수가 의미하는 것이라면, 그 경우에 한 블록 내에 14 개의 방향 각인을 얻습니다. 모든 것이 연결되면 전체 이미지 전체를 설명하는 하나의 매우 긴 14 * 16 = 224 구성 요소 벡터를 갖게됩니다.

덧붙여서, 나는 히스토그램의 그라디언트를 Python으로 구현하여 많은 테스트를 수행 했으므로 here 또는 here과 연결된 일부 작업을 볼 수 있습니다. HoG의보다 잘 지원되는 버전이 scikits.image에 나타나지만 그 사이트에 몇 가지 예제 코드가 있습니다.