サイトマップ サイト内検索 まとめ

OpenCV で HOG 特徴量（OpenCV，Python を使用）

1. エグゼクティブサマリー

本記事では，OpenCV と Python を用いて HOG（Histogram of Oriented Gradients）特徴量を計算する．HOG 特徴量は画像の局所的な輝度勾配の方向分布を特徴ベクトルとして表現する手法である．本記事では fruits.jpg を入力画像として HOG 特徴量を計算し，基本統計量（平均値・標準偏差）の表示，およびヒストグラムによる分布の可視化を行う．

【サイト内の OpenCV 関連ページ】

【OpenCV の公式情報】

2. 前準備（必要ソフトウェアの入手）

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

Python 3.12 のインストール（Windows 上） [クリックして展開]

以下のいずれかの方法で Python 3.12 をインストールする。Python がインストール済みの場合、この手順は不要である。

方法1：winget によるインストール

管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。

winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""
powershell -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $m=[Environment]::GetEnvironmentVariable('Path','Machine'); if($m -notlike \"*$s*\") { [Environment]::SetEnvironmentVariable('Path', \"$p;$s;$m\", 'Machine') }"

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。

方法2：インストーラーによるインストール

  1. Python 公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンから Windows 用インストーラーをダウンロードする。
  2. ダウンロードしたインストーラーを実行する。
  3. 初期画面の下部に表示される「Add python.exe to PATH」に必ずチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
  4. 「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

AIエディタ Windsurf のインストール（Windows 上） [クリックして展開]

Pythonプログラムの編集・実行には、AIエディタの利用を推奨する。ここでは、Windsurfのインストールを説明する。Windsurf がインストール済みの場合、この手順は不要である。

管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。

winget install --scope machine --id Codeium.Windsurf -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/SP- /SUPPRESSMSGBOXES /NORESTART /CLOSEAPPLICATIONS /DIR=""C:\Program Files\Windsurf"" /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

必要なライブラリのインストール [クリックして展開]

Python で OpenCV を使用するためのライブラリである．

管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。

python -m pip install -U opencv-python opencv-contrib-python

画像ファイル fruits.jpg, home.jpg のダウンロード [クリックして展開]

画像ファイル fruits.jpg, home.jpg のダウンロードは， Windows でコマンドプロンプトを管理者として開き，次のコマンドを実行する． 

cd %LOCALAPPDATA%
curl -L https://github.com/opencv/opencv/blob/master/samples/data/fruits.jpg?raw=true -o fruits.jpg
curl -L https://github.com/opencv/opencv/blob/master/samples/data/home.jpg?raw=true -o home.jpg

上のコマンドがうまく実行できないときは， 別ページを参考にダウンロードを行う．

https://github.com/opencv/opencv/tree/master/samples/data で公開されている fruits.jpg, home.jpg を使用する（謝辞：画像の作者に感謝します）

3. 実行のための準備とその確認手順（Windows 前提）

3.1 プログラムファイルの準備

第5章のソースコードをテキストエディタ（メモ帳，Windsurf 等）に貼り付け，以下のファイル名で保存する（文字コード：UTF-8）．

3.2 実行コマンド

コマンドプロンプトでファイルの保存先ディレクトリに移動し，以下を実行する．

python hog_descriptor.py
python hog_histogram.py

3.3 動作確認チェックリスト

確認項目期待される結果
hog_descriptor.py の実行エラーなく完了する
Descriptor size の表示hog.getDescriptorSize() の値が表示される
Computed descriptor length の表示descriptor.size の値が表示される
Mean および Std の表示HOG 特徴量の平均値と標準偏差が数値で表示される
hog_histogram.py の実行ヒストグラムのウィンドウが表示される
ヒストグラムの表示内容横軸 Feature Value，縦軸 Frequency のグラフが表示される
画像ファイルの配置%LOCALAPPDATA% に fruits.jpg が存在する

4. 概要・使い方・実行上の注意

HOG 特徴量の計算

cv2.HOGDescriptor() を用いて画像から HOG 特徴量を計算する．入力画像をグレースケールに変換した後，hog.compute() で特徴量ベクトルを算出し，記述子サイズ，特徴量の長さ，平均値，標準偏差を表示する．ソースコードは第5章に掲載している．

HOG 特徴量のヒストグラム表示

計算された HOG 特徴量の分布をヒストグラムとして可視化する．特徴量の値がどの範囲に集中しているかを確認できる．ソースコードは第5章に掲載している．

5. ソースコード

HOG 特徴量の計算（hog_descriptor.py）

import os
import numpy as np
import cv2

IMROOT = os.environ['LOCALAPPDATA'] + '/'
hog = cv2.HOGDescriptor()
bgr = cv2.imread(IMROOT + "fruits.jpg")
mono = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
descriptor = hog.compute(mono).ravel()

print("Descriptor size:", hog.getDescriptorSize())
print("Computed descriptor length:", descriptor.size)
print("Mean:", np.mean(descriptor))
print("Std:", np.std(descriptor))

HOG 特徴量のヒストグラム表示（hog_histogram.py）

import os
import numpy as np
import cv2
from matplotlib import pyplot as plt

IMROOT = os.environ['LOCALAPPDATA'] + '/'
hog = cv2.HOGDescriptor()
bgr = cv2.imread(IMROOT + "fruits.jpg")
mono = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
descriptor = hog.compute(mono).ravel()

plt.figure(figsize=(8, 4))
plt.hist(descriptor, bins=64)
plt.xlabel("Feature Value")
plt.ylabel("Frequency")
plt.title("HOG Descriptor Histogram")
plt.tight_layout()
plt.show()

6. まとめ

HOG 特徴量

HOG 特徴量は，画像の局所的な輝度勾配の方向分布を特徴ベクトルとして表現する手法である．cv2.HOGDescriptor() で算出し，hog.getDescriptorSize() で記述子サイズを確認できる．

グレースケール変換

HOG 特徴量の計算にはグレースケール画像を使用する．cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY) でカラー画像をグレースケールに変換する．

特徴量ベクトルの取得

hog.compute(mono) で画像全体の HOG 特徴量ベクトルを取得し，ravel() で1次元配列に変換する．descriptor.size でその長さを確認できる．

特徴量の統計情報

np.mean と np.std で HOG 特徴量の平均値と標準偏差を算出し，数値的な傾向を把握できる．

特徴量の可視化

matplotlib の plt.hist で HOG 特徴量の分布をヒストグラムとして可視化し，値の集中範囲を確認できる．