python skimage.feature.hog函数，参数pixels_per_cell和cells_per_block的含义答案

【问题标题】：Python skimage.feature.hog function, meaning of parameter pixels_per_cell and cells_per_blockpython skimage.feature.hog函数，参数pixels_per_cell和cells_per_block的含义
【发布时间】：2021-07-18 10:32:20
【问题描述】：

我在使用来自skimage.feature 的hog 函数时遇到问题。我找不到详细的文档，也找不到解释参数 pixels_per_cell 和 cells_per_block 的有用博客。

我使用 HOG 从 MNIST 数据集中提取特征（所有图像都是 28*28），我设置了pixels_per_cell = (2,2)、cells_per_block = (14,14)、orientation = 8。

我认为提取的特征中应该只有一个块，因为 2*14=28，它用完了图像的所有像素。但很明显我错了。 hog 返回一个形状为 (1568,) (1568=14*14*8) 的数组。

更奇怪的是，如果我设置pixels_per_cell = (2,2)、cells_per_block = (7,7)、orientation = 8，我会得到一大堆形状(25088,)。

pixels_per_cell和cells_per_block这两个参数的正确用法是什么？任何帮助将不胜感激。

【问题讨论】：

标签： python computer-vision scikit-image histogram-of-oriented-gradients

【解决方案1】：

块和单元的概念在下面的教程1 和2 中有很好的介绍。有助于理解结果特征 verctor 形状的一件事是在传递给 hog 的参数中使用 feature_vector = False 关闭 flatten 选项。

【讨论】：