近期在學習視頻檢索領域的鏡頭切割方面的知識，發現經常使用的方法是直方圖的方法，所以才專門有時間來學習下。查看到這兩種直方圖的時候，感覺有點接近，好像又不同，放在這做個比較。大部分還是百科的內容，只是對基本理解還是夠了.OK，開始正文~

首先，介紹下什么是直方圖

在統計學中，直方圖（英語：Histogram）是一種對數據分布情況的圖形表示（數據分布如：如物體的色彩分布、物體邊緣梯度模板，以及表示目標位置的概率分布。），是一種二維統計圖表，它的兩個坐標各自是統計樣本和該樣本相應的某個屬性的度量。又稱質量分布圖。是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。一般用橫軸表示數據類型，縱軸表示分布情況。

直方圖與條形圖的差別在于，直方圖是用面積而非高度來表示數量。

歸一化直方圖：把直方圖上每一個屬性的計數除以全部屬性的計數之和，就得到了歸一化直方圖。

然后，方向梯度直方圖（HOG）

特點：在一個網格密集的大小統一的方格單元（dense grid of uniformly spacedcells）上計算，并且為了提高準確度使用了重疊的局部對照度歸一化（overlapping local contrastnormalization）的方法。

核心思想：一幅圖像中的物體的表象和形狀能夠被像素強度梯度或邊緣的方向分布非常好地描寫敘述。

實現方法：將圖像分成小的叫做方格單元連通區域；然后採集方格單元中各像素點的梯度方向或邊緣方向直方圖；最后把這些直方圖組合起來就能夠構成特征描寫敘述子。

長處：首先，因為HOG方法是在圖像的局部方格單元上操作，所以它對圖像幾何的和光學的形變都能保持非常好的不變性，這兩種形變僅僅會出如今更大的空間領域上。其次，在粗的空域抽樣、精細的方向抽樣以及較強的局部光學歸一化等條件下，僅僅要行人大體上能夠保持直立的姿勢，能夠容許行人有一些細微的肢體動作，這些細微的動作能夠被忽略而不影響檢測效果。方向梯度直方圖方法是特別適合于做圖像中的行人檢測的。

算法和實現：

???????? 1，計算梯度值。應用一個一維的離散的梯度模版分別應用在水平和垂直方向上去。能夠使用例如以下的卷積核進行卷積：

[-1, 0, 1] and [-1, 0, 1]^T.

???????? 2,建立分塊直方圖。每一個塊內的每一個像素對方向直方圖進行投票。每一個塊的形狀能夠是矩形或圓形的，方向直方圖的方向取值能夠是0-180度或者0-360度，這取決于梯度是否有符號。Dalal和Triggs發如今人的檢測實驗中，把方向分為9個通道效果最好。至于投票的權重，能夠是梯度的幅度本身或者是它的函數。在實際測試中，梯度幅度本身通常產生最好的結果。

???????? 在Dalal和Triggs的人檢測實驗中，發現最優的單元塊劃分是3x3或6x6個像素，同一時候直方圖是9通道。

最后，顏色直方圖

顏色直方圖（英語：ColorHistogram），指圖像中顏色分布的圖形表示。

?

顏色直方圖它所描寫敘述的是不同色彩在整幅圖像中所占的比例，而并不關心每種色彩所處的空間位置.

全局顏色直方圖：反映的是圖像中顏色的組成分布，即出現了哪些顏色以及各種顏色出現的概率

?

計算：

計算顏色直方圖須要將顏色空間劃分成若干個小的顏色區間，每一個小區間成為直方圖的一個bin。這個過程稱為顏色量化（color quantization）。然后，通過計算顏色落在每一個小區間內的像素數量能夠得到顏色直方圖。顏色量化有很多方法，比如向量量化、聚類方法或者神經網絡方法。

——————————————————————————————————————————————————

經過上邊仔細的比較，兩者之間的差別還是非常明顯的。

對于應用，就我眼下看過的，HOG大多作為一種形狀描寫敘述，而顏色直方圖一般用于顏色特征。

總結

以上是生活随笔為你收集整理的方向梯度直方图（HOG）和颜色直方图的一些比較的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。