使用OpenCV为机器学习进行图像向量表示
内容提要
本文介绍用OpenCV将图像转换为特征向量以输入机器学习算法。直接展平像素会导致维度过高，HOG和BoW能提取更紧凑、抗光照与尺度变化的表示：HOG计算并归一化梯度方向直方图；BoW用SIFT提取描述子，经k均值聚类生成视觉词并统计直方图。示例中HOG输出81维，BoW输出50维。
延伸解读
为何不直接展平像素
直接展平图像像素会得到与像素数等长的向量，例如20×20图像得到400维向量。维度过高不仅增加计算负担，还可能引发“维数灾难”，影响模型泛化。HOG和BoW通过特征提取降低维度，同时使表示对光照、尺度或视角变化更稳健，更适合机器学习算法处理。
HOG参数如何影响特征
HOG的窗口、细胞、块大小及方向数等参数共同决定特征维度和语义。示例中20×20图像设置细胞10×10、块10×10、步长5×5、9个方向，最终得到81维向量。参数需根据目标物体大小和图像分辨率调整，块归一化还能增强对光照变化的鲁棒性。
BoW词表大小的权衡
BoW先通过SIFT提取局部描述子，再用k均值聚类生成视觉词表，词表大小即聚类数。示例中聚类数设为50，得到50维直方图特征。词表越大表示越精细，但可能过拟合且计算成本增加；词表太小则区分力不足。该值需根据数据经验选择。
没有普适最优方法
文章指出不存在适用于所有情况的单一最佳技术，选择HOG还是BoW需通过受控实验决定。示例中HOG用于digits数据集，BoW用于CIFAR-10子集，仅取100张图像以缩短处理时间。实际应用时应根据图像特性、计算资源和任务目标进行对比测试。
Q&A
为什么不能直接把图像像素展平成一维向量输入机器学习算法？
直接展平像素会导致特征维度过高，例如20x20图像展平后长度为400，对于更大图像维度会急剧增加，引发“维度灾难”，严重影响机器学习算法性能。因此需要降维，提取更紧凑的特征表示。
HOG（方向梯度直方图）技术是如何计算图像特征向量的？
HOG先计算图像水平和垂直方向的梯度（如用Prewitt算子），得到每个像素的梯度幅值和方向；然后将图像划分为固定大小的不重叠细胞单元，为每个细胞单元计算梯度方向直方图；接着将相邻细胞单元的直方图拼接成块并归一化，以增强对光照变化的鲁棒性；最后将所有块的归一化特征向量拼接成整个图像的最终特征向量。
BoW（词袋）技术在计算机视觉中是如何应用的？
在计算机视觉中，BoW将图像视为视觉单词的集合。首先用SIFT等算法提取特征描述子；然后通过k均值聚类生成视觉词汇（聚类中心即视觉单词，聚类数即词汇量）；接着将每个特征描述子映射到最近的聚类中心；最后统计视觉单词的直方图作为图像的特征向量。
在OpenCV中实现HOG特征提取时，关键参数有哪些？
关键参数包括：winSize（窗口大小，对应最小检测对象尺寸）、cellSize（细胞单元大小，捕获特征尺寸）、blockSize（块大小，处理光照变化）、blockStride（块步长，控制块重叠程度）、nbins（直方图 bin 数，捕获0-180度梯度）。此外还有derivAperture、winSigma、histogramNormType、L2HysThreshold、gammaCorrection、nlevels等参数通常取默认值。
使用HOG和BoW进行图像向量表示后，特征向量的维度是多少？
在文章示例中，HOG对每张图像输出81维特征向量（基于winSize=(20,20)、blockSize=(10,10)、blockStride=(5,5)、cellSize=(10,10)、nbins=9等参数）；BoW输出50维特征向量（由k均值聚类数50决定，即词汇量大小）。
HOG和BoW技术相比直接展平像素有哪些优势？
HOG和BoW能提取更紧凑的特征表示，降低特征维度和冗余，减少计算需求；同时使特征向量对光照、尺度或视角变化更具鲁棒性，有助于机器学习算法更好地泛化。
