Scikit-ImageのHOGの出力について

skimage.feature.hog (http://scikit-image.org/docs/dev/api/skimage.feature.html#hog) は入力画像からHOG特徴量を抽出してくれるのだが，出力結果は1d-arrayであり，何がなんだかわからないという問題がある．https://github.com/holtzhau/scikits.image/blob/master/skimage/feature/hog.py にあるコードを読むと，このarrayをどう解釈すれば良いかがわかる．

入力引数で重要なもの

• orientations: ヒストグラムのビン数（default=9）
• pixels_per_cell: セルのサイズ（default=(8,8)）
• cells_per_block: ブロックごとのセル数（default=(3, 3)）

出力を見てみる

180行目

hog.py

return normalised_blocks.ravel()

ここravelせずに返して欲しかった．normalised_blocksの宣言を見てみると，

160行目

hog.py

n_blocksx = (n_cellsx - bx) + 1
n_blocksy = (n_cellsy - by) + 1
normalised_blocks = np.zeros((n_blocksx, n_blocksy, bx, by, orientations))

ここで使われている変数は100行目あたりで宣言されている

hog.py

sx, sy = image.shape
cx, cy = pixels_per_cell
bx, by = cells_per_block

n_cellsx = int(np.floor(sx // cx))  # number of cells in x
n_cellsy = int(np.floor(sy // cy))  # number of cells in y

というわけで，hogを回して得られる1-d array（retvalとする）は，

retval.reshape((n_blocksx, n_blocksy, bx, by, orientations))

としてあげると，元の形に戻すことができる．

活用例

たとえば，blockごとの最大勾配方向を可視化することができる．

visualize_argmaxhog.py

from skimage.feature import hog
from skimage.data import camera
import matplotlib.pyplot as plt

img = camera()
orientations = 9
pixels_per_cell = (8, 8)
cells_per_block = (3, 3)

h = hog(img, orientations=orientations, pixels_per_cell=pixels_per_cell, cells_per_block=cells_per_block)

sx, sy = img.shape[:2]
cx, cy = (8, 8)
bx, by = (3, 3)
n_cellsx = int(np.floor(sx // cx))  # number of cells in x
n_cellsy = int(np.floor(sy // cy))  # number of cells in y
n_blocksx = (n_cellsx - bx) + 1
n_blocksy = (n_cellsy - by) + 1

himg = h.reshape((n_blocksx * n_blocksy, bx, by, orientations))
vis = np.array([np.argmax(x.sum(axis=(0, 1))) for x in himg]).reshape((n_blocksx, n_blocksy))

plt.subplot(1, 2, 1)
plt.imshow(img)
plt.axis('off')
plt.subplot(1, 2, 2)
plt.imshow(vis, interpolation='nearest')
plt.axis('off')