LOG滤波器,Gabor滤波器
解读Gabor滤波傅里叶变换是信号处理的有力工具，可以将图像从空间域变换到频率域，提取空间域难以提取的特征。但是傅立叶变换缺少时间和位置的局部信息。
Gabor变换是一种短时加窗傅里叶变换(简单理解为特定时间窗内的傅里叶变换)，是短时傅里叶变换中窗函数为fzdqc函数时的特例。因此，Gabor滤波器可以在频域中提取不同尺度和方向的相关特征。此外，Gabor函数与人眼的功能相似，因此常被用于纹理识别，并取得了较好的效果。
在二维空间中，用一个三角函数(a)(比如正弦函数)和一个fzdqc函数(b)叠加，我们得到一个Gabor滤波器。如下图所示：
Gabor函数对二维Gabor函数的数学表达式解释如下：复数表示：实数部分虚数部分：x’、y’ 计算公式波长()。
介绍一下公式中各参数的含义：方向():Gabor核函数中余弦函数的波长参数。其值以像素为单位设置，通常大于或等于2，但不大于1/5。输入图像大小的相位偏移():表示Gabor滤波器核中平行条纹的方向。有效值是从0到360的实数。长宽比():表示Gabor核函数中余弦函数的相位参数。它的取值范围是-180到180。其中0和180对应的方程关于原点对称，-90和90对应的方程关于原点中心对称。带宽(b):空间纵横比，决定了Gabor函数形状的椭圆度。当=1时，形状为圆形；当1时，形状沿平行条纹方向拉长。一般取值为0 . 5 .010-59000:Gabor滤波器的半响应空间频率带宽b与/的比值有关，其中代表Gabor函数的fzdqc因子的标准差。这三者具有以下关系：
的值不能直接设置，它只随带宽B而变化.的带宽值必须是正实数，通常为1。在这种情况下，标准差与波长的关系为=0.56。带宽越小，标准差越大，Gabor形状越大，平行条纹越明显。
大蟒实现伽柏滤波器# Gabor滤波器实现# K_size:Gabor核大小K_size x K_size#适马：#:#:# Psi:#角度：def Gabor _ filter(K_size=111，适马=10，=1.2，=10，Psi=0，角度=0):# get half size=K_size//2 #准备内核Gabor=NP。零((K _ size，K _ size)，dtype=np.float32)#范围内y的每个值(K _ size):范围内x(K* NP。pi # get内核x _ x=NP。cos()* px NP。sin(theta)* py # get内核y=-NP。sin()* px NP。cos(theta)* py # fill内核Gabor[y，x]=np.exp(-(_x**2伽马**2 * _y**2)/(2 *适马* * 2))* NP。cos(2 * NP。pi * _ x/Psi)#内核归一化gabor /=np做出不同角度伽柏滤波器的图像将cv2导入数字作为npimport matplotlib.pyplot作为plt# Gabor导入滤波器实现# K_size:Gabor核大小K_size x K_size#适马：#:#:# Psi:#角度：def Gabor_filter(K_size=111，适马=10，=1.2，=10，Psi=0角度=0):# get half size=K_size//2 #准备内核Gabor=NP。零((K_size，K _ size)，dtype=np.float32)#范围内y的每个值(K _ size):范围内x的每个值(K_size):#距中心的距离px=x-dpy=y-d #度-辐射热a=角度/180 .* NP。pi # get内核x _ x=NP。cos()* px NP。sin(theta)* py # get内核y=-NP。sin()* px NP。cos(theta)* py # fill内核Gabor[y，x]=np.exp(-(_x**2伽马**2 * _y**2)/(2 *适马* * 2))* NP。cos(2 * NP。pi * _ x/Psi)#内核归一化gabor /=np 255]out=Gabor-NP。min(Gabor)out/=NP。max(out)out *=255 out=out。as类型(NP。uint 8)工厂。subplot(1，4，i 1) plt.imshow(out，cmap= gray )PLT。轴(“关闭”)PLT。标题(角度字符串(A))PLT。保存fig( out。png )PLT。显示()实验输出伽柏滤波器图像
opencv(python)中使用伽柏滤波器函数原型：retval=cv.getGaborKernel( ksize，sigma，theta，lambd，gamma[，psi[，ktype]])
函数使用举例将numpy作为NP导入cv2作为cv # retval=cv。getgaborkernel(Ksize，sigma，theta，lambd，gamma[，psi[，ktype]])# Ksize是一个元组retval=cv。getgaborkernel(ksize=(111，111)，sigma=10，theta=60，lambd=10，gamma=1.2)image1=cv.imread(./paojie。jpg )# dst=cv。filter 2d(src，ddepth，kernel[，dst[，anchor[，delta[，border type]]])result=cv。过滤器2d(image1，-1，retval)cv.imshow(result ，result)cv。等待键(0)cv。destroyallwindows()实验结果：
参考：
大蟒实现伽柏滤波器
伽柏滤波器参数详解
伽柏滤波器原理及中文版中的实现
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。