首先用了伽馬校正，這邊這步步驟是可選的，可有也可以沒有，主要是為了減少光照、亮度等對的影響，調整的對比度。
這步中需要注意，灰度圖和彩色圖都是可以的，只是彩色圖是三個通道進行梯度計算，選取了梯度值最大的那個通道
對每個畫素點進行梯度計算，要同時進行水平梯度計算和垂直梯度計算。
梯度方向將會取絕對值，這樣效果更好。
這一步是最神奇的一步（感覺這個世界總是有那麼多的歸一化和各種神奇的變化）
這邊有個疑惑，為什麼bin 是20的地方，計算公式是[ (40-36)/20 ]× 13.6；而bin為40處是[ (36-20)/20 ]× 13.6？是固定的演算法嗎
歸一化的目的是降低光照的影響，歸一化的方法是向量的每乙個值除以向量的模長。
2*2的block，4個cell。由於乙個cell就會有大小為9的vector，四個cell就有36大小的vector。對block進行normalize就是對這大小為36的vector進行歸一化
CV Haar特徵描述運算元
1.3 案列 計算haar特徵值 1.4 特徵值歸一化 1.5 adaboost級聯分類器 2 python 實現 學習目標 haar特徵分為三類 邊緣特徵 線性特徵 中心特徵和對角線特徵，組合成特徵模板。特徵模板內有白色和黑色兩種矩形，並定義該模板的特徵值為白色矩形畫素和減去黑色矩形畫素和。haa...
ORB 特徵描述子
在常規立體匹配中特徵點匹配一直是研究重點，特徵點的描述是立體匹配的前提，orb特徵優點是速度快和較高的精度。rb 特徵亦由關鍵點和描述子兩部分組成。它的關鍵點稱為 oriented fast 是 一種改進的 fast 角點。它的描述子稱為 brief binary robust independen...
HOG 目標檢測的特徵描述器之一
hog是 histogram of oriented gradient的縮寫，即方向梯度直方圖特徵，主要用於深度學習中的目標檢測與識別，是用來描述物體檢測的特徵描述子。最早由法國研究人員dalal在2005的cvpr上提出的，在該文中，作者利用hog與svm進行組合用來做行人檢測的任務，後來被廣泛應...