Opencv Gabor滤波器|极客教程

来进行Gabor 滤波吧。

Gabor 滤波器是一种结合了高斯分布和频率变换的滤波器，用于在图像的特定方向提取边缘。

滤波器由以下式子定义：
$G(y, x) = e^{-\frac{{x’}^2 + \gamma^2\ {y’}^2}{2\ \sigma^2}} \ \cos(\frac{2\ \pi\ x’}{\lambda} + p)\\ x’=\cos(A)\ x+\sin(A)\ y\\ y’=-\sin(A)\ x+\cos(A)\ y$
其中：

$$x$$、$$y$$是滤波器的位置。滤波器的大小如果为$$K$$的话，$$y$$、$$x$$取$$[-k//2,k//2]$$；
$$\gamma$$：Gabor 滤波器的椭圆度；
$$\sigma$$：高斯分布的标准差；
$$\lambda$$：波长；
$$p$$：相位；
$$A$$：滤波核中平行条带的方向。

在这里，取 $K=111$ ， $\sigma=10$ ， $\gamma = 1.2$ ， $\lambda =10$ ， $p=0$ ， $A=0$ ，可视化Gabor滤波器吧！

实际使用Gabor滤波器时，通过归一化以使滤波器值的绝对值之和为1使其更易于使用。

在答案中，滤波器值被归一化至 $[0,255]$ 以进行可视化。

输入 (imori.jpg)	输出

python实现：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# Gabor
def Gabor_filter(K_size=111, Sigma=10, Gamma=1.2, Lambda=10, Psi=0, angle=0):
    # get half size
    d = K_size // 2

    # prepare kernel
    gabor = np.zeros((K_size, K_size), dtype=np.float32)

    # each value
    for y in range(K_size):
        for x in range(K_size):
            # distance from center
            px = x - d
            py = y - d

            # degree -> radian
            theta = angle / 180. * np.pi

            # get kernel x
            _x = np.cos(theta) * px + np.sin(theta) * py

            # get kernel y
            _y = -np.sin(theta) * px + np.cos(theta) * py

            # fill kernel
            gabor[y, x] = np.exp(-(_x**2 + Gamma**2 * _y**2) / (2 * Sigma**2)) * np.cos(2*np.pi*_x/Lambda + Psi)

    # kernel normalization
    gabor /= np.sum(np.abs(gabor))

    return gabor


# get gabor kernel
gabor = Gabor_filter(K_size=111, Sigma=10, Gamma=1.2, Lambda=10, Psi=0, angle=0)

# Visualize
# normalize to [0, 255]
out = gabor - np.min(gabor)
out /= np.max(out)
out *= 255

out = out.astype(np.uint8)
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)