HOG--(一) 基础知识
基础知识：
梯度（gradient）：http://blog.****.net/jia20003/article/details/7664777 （含代码）
在向量微积分中，标量场的梯度是一个向量场，标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是最大的变化率。
一阶微分：http://blog.****.net/jia20003/article/details/7562092 （含代码）
对于离散的图像来说,一阶微分的数学表达相当于两个相邻像素的差值，根据选择的梯度算子不同，效果可能有所不同，但是基本原理不会变化。最常见的算子为Roberts算子，其它常见还有Sobel，Prewitt等算子。
Robert算子：http://baike.baidu.com/view/676369.htm
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内 产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。
Sobel算子：http://baike.baidu.com/view/676368.htm
索贝尔算子（Sobel operator）是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。
Prewitt算子：http://baike.baidu.com/view/4707766.htm
Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。
经典Prewitt算子认为：凡灰度新值大于或等于阈值的像素点都是边缘点。即选择适当的阈值T，若P(i,j)≥T，则(i,j)为边缘点，P(i,j)为边缘图像。这种判定是欠合理的，会造成边缘点的误判，因为许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。
图像边缘检测：
物体的边缘是以图像局部特性的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。从本质上说，边缘就意味着一个区域的终结和另外一个区域的开始。图像边缘信息在图像分析和人的视觉中十分重要，是图像识别中提取图像特征的一个重要属性。
图像的边缘有方向和幅度两个特性。通常，沿边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。这种变化可能呈现阶跃型、房顶型和凸缘型。这些变化分别对应景物中不同的物理状态。例如，阶跃型变化常常对应目标的深度或者是反射边界，而后两者则常常反映表面法线方向的不连续。实际要分析的图像往往是比较复杂的，灰度变化不一定是上述的标准形式。例如；灰度的变化不是突变而是在一个空间范围内的渐变。而且，在实际工程中获得的图像难免要混有噪声。
图像处理Sobel，Roberts，prewitt，log，canny算子检测对比
matlab边缘检测代码（包含roberts，sobel，prewitt三种算子）
边缘检测类(包括Roberts, Sobel, Prewitt, Kirsch等算子的边缘检测算法)
振幅（Magnitude），角度（Theta）：
振幅（Magnitude）表示边缘强度信息。
梯度（gradient）：http://blog.****.net/jia20003/article/details/7664777 （含代码）
在向量微积分中，标量场的梯度是一个向量场，标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是最大的变化率。
一阶微分：http://blog.****.net/jia20003/article/details/7562092 （含代码）
对于离散的图像来说,一阶微分的数学表达相当于两个相邻像素的差值，根据选择的梯度算子不同，效果可能有所不同，但是基本原理不会变化。最常见的算子为Roberts算子，其它常见还有Sobel，Prewitt等算子。
Robert算子：http://baike.baidu.com/view/676369.htm
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内 产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。
Sobel算子：http://baike.baidu.com/view/676368.htm
索贝尔算子（Sobel operator）是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。
Prewitt算子：http://baike.baidu.com/view/4707766.htm
Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。
经典Prewitt算子认为：凡灰度新值大于或等于阈值的像素点都是边缘点。即选择适当的阈值T，若P(i,j)≥T，则(i,j)为边缘点，P(i,j)为边缘图像。这种判定是欠合理的，会造成边缘点的误判，因为许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。
图像边缘检测：
物体的边缘是以图像局部特性的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。从本质上说，边缘就意味着一个区域的终结和另外一个区域的开始。图像边缘信息在图像分析和人的视觉中十分重要，是图像识别中提取图像特征的一个重要属性。
图像的边缘有方向和幅度两个特性。通常，沿边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。这种变化可能呈现阶跃型、房顶型和凸缘型。这些变化分别对应景物中不同的物理状态。例如，阶跃型变化常常对应目标的深度或者是反射边界，而后两者则常常反映表面法线方向的不连续。实际要分析的图像往往是比较复杂的，灰度变化不一定是上述的标准形式。例如；灰度的变化不是突变而是在一个空间范围内的渐变。而且，在实际工程中获得的图像难免要混有噪声。
图像处理Sobel，Roberts，prewitt，log，canny算子检测对比
matlab边缘检测代码（包含roberts，sobel，prewitt三种算子）
边缘检测类(包括Roberts, Sobel, Prewitt, Kirsch等算子的边缘检测算法)
振幅（Magnitude），角度（Theta）：
振幅（Magnitude）表示边缘强度信息。
角度（Theta）预言边缘的方向走势。
假如对一幅数字图像，求出magnitude之后与原来每个像素点对应值相加，则图像边缘将被大大加强，轮廓更加明显，是一个很典型的sharp filter的效果。