Este repositório tem como objetivo explicar, de forma didática e visual, o funcionamento do Histogram of Oriented Gradients (HOG), um dos descritores de características mais clássicos da Visão Computacional.
O foco aqui é entender o conceito, e não apenas usar a técnica como uma “caixa preta”.
Diferente dos humanos, computadores não interpretam imagens semanticamente.
Eles não veem objetos, frutas ou pessoas — apenas números organizados em uma matriz.
Esses números representam pixels.
Um pixel é a menor unidade de uma imagem digital.
Em imagens em tons de cinza, cada pixel representa um valor de intensidade (do preto ao branco).
Em imagens coloridas, cada pixel é composto por valores de vermelho, verde e azul (RGB).
Podemos imaginar os pixels como pequenos quadrados de cor que, juntos, formam a imagem completa.
Abaixo podemos analisar melhor a formação da imagem por pixels
Ao aproximar a imagem, fica claro que ela é composta por pequenos blocos quadrados, que são os pixels.
É exatamente sobre essa estrutura que os algoritmos de visão computacional operam.
O Histogram of Oriented Gradients (HOG) é um descritor de características usado para:
- detecção de objetos
- reconhecimento de padrões
- análise de formas e contornos
Em vez de trabalhar diretamente com os valores brutos dos pixels, o HOG analisa algo mais informativo:
as variações de intensidade da imagem, chamadas de gradientes.
Um gradiente indica:
- quanto a intensidade muda (gradient magnitude)
- em qual direção essa mudança acontece(gradient direction)
Em regiões homogêneas da imagem, os gradientes são fracos, devido a baixa variação de magnitude
Em regiões onde há bordas ou transições fortes (como o contorno da maçã), os gradientes são intensos.
Esses gradientes carregam informações importantes sobre a estrutura geométrica da imagem.
Para organizar essas informações, o HOG divide a imagem em pequenas regiões chamadas de células.
- Tamanho comum: 8×8 pixels
- Em cada célula:
- calcula-se o gradiente de cada pixel
- cria-se um histograma de orientações
- cada bin representa um intervalo de ângulos (ex.: 0–180°)
O resultado é uma representação local da estrutura da imagem.
As células são então agrupadas em blocos, normalmente de:
- 2×2 células
- totalizando 16×16 pixels
O papel do bloco é normalizar os valores das células, tornando o descritor mais robusto a variações de iluminação e contraste.
Os blocos são sobrepostos, o que melhora a estabilidade do descritor.
Após processar toda a imagem:
- cada bloco gera um vetor normalizado
- todos esses vetores são concatenados
- forma-se um grande vetor numérico
Esse vetor é a representação HOG da imagem.
O HOG não reconhece objetos sozinho.
Ele apenas transforma a imagem em uma assinatura numérica baseada em gradientes.
Esse vetor HOG pode ser enviado para um classificador, como:
- SVM (Support Vector Machine)
O classificador aprende padrões estatísticos desses vetores e decide, por exemplo, se a imagem contém:
- uma maçã
- uma pessoa
- ou outro objeto
O HOG é uma técnica clássica, eficiente e conceitualmente importante porque:
- ensina como imagens podem ser descritas matematicamente
- mostra a separação entre extração de características e classificação
- ajuda a entender a base de métodos mais modernos, como CNNs
Mesmo com o avanço das redes neurais, o HOG continua sendo uma excelente ferramenta educacional e histórica na Visão Computacional.