python - 限制/控制 scikit-image 生成的 hog 特征的数量

Question

从这个问题开始，我能够将图像的 HoG 特征放入一个可用于分类的 numpy 数组中，但是每张图像的 HoG 特征的数量是不同的。

例如，一个图像生成一个包含 2080 个元素的 HoG 特征数组，另一个生成一个包含 1744 个元素的数组，依此类推。

如何控制生成的 HoG 特征的数量？对于m个样本，我需要将一个大小为mxn的数组传递给机器学习算法，因此n需要是常数。令我惊讶的是，在提取它们的 HoG 特征之前，我已经将所有图像的大小调整为相同的大小，那么为什么会有差异呢？

Answer 1

如果输入图像的大小相同，那么来自 HOG 的特征向量也将具有相同的大小，前提是您对两个输入图像的 hog 函数使用相同的参数。为了使 hog 特征向量的大小相同，我们必须在所有输入图像中满足以下条件：

1）相同的图像尺寸（分辨率）。2）相同数量的细胞。3) 相同数量的块。4) 相同数量的方向。

至于每个单元格中的像素数，它不需要在所有输入图像中都相同以获得相同大小的特征向量，因为块大小和重叠也有一部分。但它会直接影响两个特征向量之间的比较，因此为了从描述符比较中获得理想的结果，在所有输入图像中使用相同的单元大小是很重要的。

虽然重叠参数会改善描述符，但不会影响特征向量的大小。