目標檢測的圖像特征提取之（一）HOG特征
這篇文章講的比較透徹，可以參考。需要注意的是，這篇文章最后的例子計算結果是錯誤的，正確結果是2340。

OpenCV HOGDescriptor 參數圖解
這篇文章通過圖解的方式詳細解釋了一下window、block、cell的關系。

HOG特征-理解篇
這是大神@Rachel-Zhang 寫的。

opencv源碼解析之(6)：hog源碼分析
openCV的hog源碼解析。

openCV的實現代碼：

    Mat imageMat;
    imageMat = imread("/Users/***/Desktop/640_480.png", 1);//圖像大小640 * 480
    if (!imageMat.data) {
        printf("No image data.\n");
        return -1;
    }
    
    HOGDescriptor *hog = new HOGDescriptor(cvSize(64, 48), cvSize(32, 32), cvSize(8, 8), cvSize(16, 16), 9);
    vector<float> descriptors;
    hog->compute(imageMat, descriptors, Size(2, 2), Size(0, 0));
    cout << "descriptors.size = " << descriptors.size() << endl;//輸出hog特征描繪子的維度

輸出是

descriptors.size = 54000

解釋一下函數參數：
---HOGDescriptor函數
cvSize(64, 48)：滑動窗口大小
cvSize(32, 32)：block大小
cvSize(8, 8)：block的移動步長
cvSize(16, 16)：cell大小
9：bins個數
前四個參數的單位都是像素。

---compute函數
imageMat：圖像
descriptors：hog描繪子（是一個向量，計算結果就儲存在descriptors中）
Size(64, 48)：窗口的移動步長
Size(0, 0)：圖像的padding補償，因為有些圖像的大小可不不那么合適，不能整除窗口大小，所以，可以在周圍添加一圈補償像素。

運行輸出結果是 54000，咋來的呢？
是這樣，先計算一個窗口的特征長度。一個cell是9個維度，一個block有4個cell，那么一個block就有4*9=36個維度。滑動窗口大小是64*48，block大小是32*32，block的步長是8*8，那么在窗口內，block橫向掃描 (64 - 32) / 8 + 1 = 5次，縱向掃描 (48 - 32) / 8 + 1 = 3次，那么總共掃描 3 * 5 = 15次，15 * 36 = 540，即一個窗口的特征維度大小是540.
然后，窗口在圖像上滑動，圖像大小 640*480，窗口大小 64*48，滑動步長是 64*48，那么橫向掃描 (640 - 64) / 64 + 1 = 10 次，縱向掃描 (480 - 48) / 48 + 1 = 10 次，那么總共掃描窗口 100次。
當然，這里的窗口滑動步長設置的是不合理的，為了方便計算我寫的是 (64, 48)。
所以，540*100 = 54000，結果就是這么來的。