Nachdem Sie die konkreten Bilder binarisiert haben, berechnen Sie den horizontalen und vertikalen binären Farbverlauf jedes Pixels im Bild mithilfe dieser Gleichung. Berechnen Sie die binäre Gradientenrichtung und -größe jedes Punktes mithilfe dieser Gleichung. Bestimmen Sie dann die Größe des Bildsegmentierungsblocks, der als n dargestellt wird.
Um das Bild in quadratische Blöcke von n x n zu unterteilen, legen Sie eine Segmentierungslinie für jeweils n Pixel entlang der horizontalen und vertikalen Achse fest. Klassifizieren Sie Pixel in das statistische Winkelintervall des entsprechenden Verlaufs für jede Richtung, basierend auf der binären Verlaufsrichtung jedes Pixels im Block. Um den statistischen Gradientenwert dieses Intervalls zu erhalten, addieren Sie den binären Farbverlauf der Pixel im statistischen Gradientenwinkelintervall jeder Richtung gegen den Uhrzeigersinn.
Zeichnen Sie die Ergebnisse auf, die für die Gradientenstatistik des statistischen Winkelintervalls für den gerichteten Gradienten erzielt wurden. Als Nächstes unterteilen Sie die Stichproben in präzise Berechnungsbereiche, wobei jeder Bereich aus vier benachbarten Blöcken besteht. Berechnen Sie den statistischen Wert des Richtungsgradienten innerhalb des Winkelintervalls für jeden Block im angegebenen Berechnungsbereich.
Generieren Sie dann den Feature-Vektor mit den Statistiken des Richtungsgradienten als Komponente. Kombinieren Sie die Richtungsgradienten-Feature-Vektoren, die aus jedem Berechnungsbereich abgeleitet wurden, um den Richtungsgradienten-Feature-Vektor des Bildes zu erhalten. Wenn die Blockgröße bis zu einem gewissen Grad erweitert wird, weisen die Richtungsgradientenmerkmale in jedem Block von Betonbildproben mit unterschiedlichen Schwingungszuständen signifikante Unterschiede auf.
