[发明专利]一种梯度直方图角度快速计算方法

说明书

本发明采用一种简便的方式方便快速地计算梯度方向，具体提供一种梯度直方图角度快速计算方法，包含：S1，设图像的方向定义为gx与gy的夹角A，则原始梯度方向计算方式：A＝arctan(gy/gx)即：tanA＝gy/gx，其中gx和gy分别是图像在(x,y)点处x方向和y方向上的梯度；S2，假设0°到180°分N个方向，不分正负，无符号梯度，每n度为一个方向，其中[0°—(n/2)°),((180‑n/2)°—180°]为ori_1，其中，N为大于1的正整数，则每个方向的角度n＝180/N，S3,由于各个边界角度的tan值是已知的，通过对应关系由tanA即dy/dx的值来直接判定方向ori是第1个方向到第N个方向中的第几方向。

技术领域

本发明涉及图像处理技术领域，特别涉及一种梯度直方图角度快速计算方法。

背景技术

在现有技术中，通常进行计算图像梯度的方法是：

1.计算图像梯度方向与幅值

对于图像像素点(i,j)：其对x方向的梯度Hx(i,j)及对y方向的梯度Hy(i,j)

Hx(i,j)＝I(i+1,j)-I(i,j)

Hy(i,j)＝I(i,j)-I(i,j+1)

可使用梯度算子sobel，Laplacian对图像进行卷积计算。

从而可以求得梯度幅值M(x,y)与梯度方向θ(x,y)：

θ(x,y)＝arctan(Hy/Hx)

2.计算bin值

梯度方向θ为[0,180]，将其划分成n个bins。例如OpenCV中n＝9，即将一个圆均分成9部分，每一部分区间对于bin值，如0≤θ40对应bin＝0，那么当某个梯度方向在[0,40)范围内时，对应着bin＝0加1，而幅值是计算bin个数时的权重，接着上面例子，如果M＝2，那么bin＝0加1*2＝2。这样就可以得到每个bin的计数。

这里的角度是0-180度，不是0-360度，这种被称之为“无符号”梯度(unsignedgradients)，因为一个梯度和它的负数是用同一个数字表示的，也就是说一个梯度的箭头以及它旋转180度之后的箭头方向被认为是一样的，在实验中发现unsigned gradients比signed gradients(0-360度)在人体目标检测任务中效果更好。

3.统计bin个数构成HOG描述符

该统计是在图像的窗口区域进行的，它使用了cellSize(胞元大小)、blockSize(块大小)、blockStride(块增量大小)、winSize(窗口大小)这些参数决定区域大小及滑动方式。

在每个Cell中有独立做梯度方向统计，从而以梯度方向为横轴的直方图，前面已经提到过，梯度方向可取0度到180度或0度～360度，但dalal实验表明，对于人体目标检测0度～180度这种忽略度数正负级的方向范围能够取得更好的结果。然后又将这个梯度分布平均分成9个方向角度(orientation bins)，每个方向角度范围都会对应一个直方柱，如图2所示。

在计算图像的HOG特征时会涉及到图像梯度方向，从图像的梯度方向定义来看在实际编程中需要用到arctan计算梯度方向值，且这一步是在大循环里边，这样计算慢且复杂。

此外，本领域常见的技术术语包括：

1.Histogram of Oriented Gridients，缩写为HOG，是目前计算机视觉、模式识别领域很常用的一种描述图像局部纹理的特征。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。常用方法是Hog特征结合SVM进行图像识别和分类。