我不清楚生猪和EOH之间的差异。 猪是基于图像的衍生物EOH基于边缘方向。 看来，EOH也莫名其妙HOG表示。
您能给我说说EOH从HOG的不同之处，并在EOH优势比较HOG一些解释。 在什么情况下，我们可以使用EOH比较养猪？
Answer 1:
我认为主要的区别是，用于HOG，实际梯度方向的计算，然后分级，其中对于一个EOH边缘取向是通过搜索在一组边缘滤波器内核的最大响应进行评价。 所以，你可以说，HOG做了分级梯度计算，其中EOH直接计算区间上的梯度后。 根据您想要箱的量，一个会比其他的快。
在一个EOH，明暗和暗光边缘通常处理相同，因此取向在到pi的范围为0，其中，在HOG仓通常跨越完整2 * PI。 您可以轻松地做出EOH做到这一点也不过。
Answer 2:
虽然，我不认为这是他们的一个独特的定义，并且细节可以在许多层面变化（例如计算如何定向（或定向梯度）），关键是由边缘方向内置直方图直方图只考虑考虑对应于边缘（其进而与其他一些方法来计算，例如，像素的梯度canny边缘）向梯度的，而直方图考虑到每个像素的所有的梯度。
我可能是错的，但是这是我是如何实现的EOH： http://robertour.com/2012/01/26/edge-orientation-histograms-in-global-and-local-features/
文章来源: Histogram of Oriented Gradients vs Edge Orientation Histograms
