1、灰度化；（以便可以使用sobel等算子計算梯度）
2、gamma校正； （降低光照影響）
3、求每個像素的梯度和方向；
（利用任意一種梯度算子，例如：sobel，laplacian等，對該patch進行卷積，計算得到每個像素點處的梯度方向和幅值。具體公式如下：
）
4、划分cell（x*x pixel/cell），根據幅值和方向求取每個cell的梯度直方圖； （將梯度方向分成若干離散等分，將所有梯度方向映射到梯度直方圖，直方圖取值由對應方向的梯度幅值累加得到）
5、組合block（y*y cell/block），將這y*y個cell的梯度直方圖連在一起作為該block的特征向量； （從左至右依次將各個cell的梯度直方圖向量相連，就得到了每個block的特征向量。block的分法有重疊和非重疊兩種）
6、將所有的block的特征向量從左至右從上至下依次連接起來，即為該圖像的hog特征向量。
我的理解：
最后的hog特征向量是一個一維向量，如果block采用重疊法分割向量中會有冗余重復。hog特征向量的位置代表了圖像中不同的位置，而向量值代表梯度方向上的強度，即對紋理特征比較敏感，因此可以理解hog特征是一種對於圖像中紋理、邊緣的位置信息的提取。
參考博客：
https://blog.csdn.net/baidu_30028771/article/details/65937451（糾正錯誤 最后block數量是31*31）
https://www.cnblogs.com/hrlnw/archive/2013/08/06/2826651.html
hog特征提取可以使用圖像的積分圖來進行加速。