Gabor的用于人脸检测的OpenCV代码

最新推荐文章于 2022-05-02 10:05:00 发布
最新推荐文章于 2022-05-02 10:05:00 发布
阅读量3.5k 收藏 11
点赞数 1
分类专栏： opencv 文章标签： opencv 人脸识别
最近弄人脸识别，用到Gabor卷积核，但网上的代码似乎没有和我心意的，于是参考了自己写了下！参考了 Zhou Mian以及matlab的Gabor实现代码的代码。虽然OpenCV的imporc下面有个gabor.cpp，但那个是一般形式的公式，不是用来做人脸识别的，可以参考文献A review on Gabor wavelets for face recognition，又说到。上代码和链接地址！下载地址~

   目前代码未经过更多的测试，不少功能为加入，但可以满足许多人的使用和参考了吧，很多人肯定非常非常需要，先开源下，欢迎指出错误之处。

Gabor.h

#pragma once  
#include "opencv2\opencv.hpp"  
#include <vector>  
using namespace std;  
using namespace cv;  
class GaborFR  
{  
public:  
    GaborFR();  
    static Mat  getImagGaborKernel(Size ksize, double sigma, double theta,   
                                    double nu,double gamma=1, int ktype= CV_32F);  
    static Mat  getRealGaborKernel( Size ksize, double sigma, double theta,   
                                    double nu,double gamma=1, int ktype= CV_32F);  
    static Mat  getPhase(Mat &real,Mat &imag);  
    static Mat  getMagnitude(Mat &real,Mat &imag);  
    static void getFilterRealImagPart(Mat& src,Mat& real,Mat& imag,Mat &outReal,Mat &outImag);  
    static Mat  getFilterRealPart(Mat& src,Mat& real);  
    static Mat  getFilterImagPart(Mat& src,Mat& imag);  
  
    void        Init(Size ksize=Size(19,19), double sigma=2*CV_PI,  
                    double gamma=1, int ktype=CV_32FC1);  
private:  
    vector<Mat> gaborRealKernels;  
    vector<Mat> gaborImagKernels;  
    bool isInited;  
};


Gabor.cpp

#include "stdafx.h"
#include "GaborFR.h"
GaborFR::GaborFR()
{
	isInited = false;
}
void GaborFR::Init(Size ksize, double sigma,double gamma, int ktype)
{
	gaborRealKernels.clear();
	gaborImagKernels.clear();
	double mu[8]={0,1,2,3,4,5,6,7};
	double nu[5]={0,1,2,3,4};
	int i,j;
	for(i=0;i<5;i++)
	{
		for(j=0;j<8;j++)
		{
			gaborRealKernels.push_back(getRealGaborKernel(ksize,sigma,mu[j]*CV_PI/8,nu[i],gamma,ktype));
			gaborImagKernels.push_back(getImagGaborKernel(ksize,sigma,mu[j]*CV_PI/8,nu[i],gamma,ktype));
		}
	}
	isInited = true;
}
Mat GaborFR::getImagGaborKernel(Size ksize, double sigma, double theta, double nu,double gamma, int ktype)
{
	double	sigma_x		= sigma;
	double	sigma_y		= sigma/gamma;
	int		nstds		= 3;
	double	kmax		= CV_PI/2;
	double	f			= cv::sqrt(2.0);
	int xmin, xmax, ymin, ymax;
	double c = cos(theta), s = sin(theta);
	if( ksize.width > 0 )
	{
		xmax = ksize.width/2;
	}
	else//这个和matlab中的结果一样，默认都是19 !
	{
		xmax = cvRound(std::max(fabs(nstds*sigma_x*c), fabs(nstds*sigma_y*s)));
	}
	if( ksize.height > 0 )
	{
		ymax = ksize.height/2;
	}
	else
	{
		ymax = cvRound(std::max(fabs(nstds*sigma_x*s), fabs(nstds*sigma_y*c)));
	}
	xmin = -xmax;
	ymin = -ymax;
	CV_Assert( ktype == CV_32F || ktype == CV_64F );
	float*	pFloat;
	double*	pDouble;
	Mat kernel(ymax - ymin + 1, xmax - xmin + 1, ktype);
	double k		=	kmax/pow(f,nu);
	double scaleReal=	k*k/sigma_x/sigma_y;
	for( int y = ymin; y <= ymax; y++ )
	{
		if( ktype == CV_32F )
		{
			pFloat = kernel.ptr<float>(ymax-y);
		}
		else
		{
			pDouble = kernel.ptr<double>(ymax-y);
		}
		for( int x = xmin; x <= xmax; x++ )
		{
			double xr = x*c + y*s;
			double v = scaleReal*exp(-(x*x+y*y)*scaleReal/2);
			double temp=sin(k*xr);
			v	=  temp*v;
			if( ktype == CV_32F )
			{
				pFloat[xmax - x]= (float)v;
			}
			else
			{
				pDouble[xmax - x] = v;
			}
		}
	}
	return kernel;
}
//sigma一般为2*pi
Mat GaborFR::getRealGaborKernel( Size ksize, double sigma, double theta, 
	double nu,double gamma, int ktype)
{
	double	sigma_x		= sigma;
	double	sigma_y		= sigma/gamma;
	int		nstds		= 3;
	double	kmax		= CV_PI/2;
	double	f			= cv::sqrt(2.0);
	int xmin, xmax, ymin, ymax;
	double c = cos(theta), s = sin(theta);
	if( ksize.width > 0 )
	{
		xmax = ksize.width/2;
	}
	else//这个和matlab中的结果一样，默认都是19 !
	{
		xmax = cvRound(std::max(fabs(nstds*sigma_x*c), fabs(nstds*sigma_y*s)));
	}

	if( ksize.height > 0 )
		ymax = ksize.height/2;
	else
		ymax = cvRound(std::max(fabs(nstds*sigma_x*s), fabs(nstds*sigma_y*c)));
	xmin = -xmax;
	ymin = -ymax;
	CV_Assert( ktype == CV_32F || ktype == CV_64F );
	float*	pFloat;
	double*	pDouble;
	Mat kernel(ymax - ymin + 1, xmax - xmin + 1, ktype);
	double k		=	kmax/pow(f,nu);
	double exy		=	sigma_x*sigma_y/2;
	double scaleReal=	k*k/sigma_x/sigma_y;
	int	   x,y;
	for( y = ymin; y <= ymax; y++ )
	{
		if( ktype == CV_32F )
		{
			pFloat = kernel.ptr<float>(ymax-y);
		}
		else
		{
			pDouble = kernel.ptr<double>(ymax-y);
		}
		for( x = xmin; x <= xmax; x++ )
		{
			double xr = x*c + y*s;
			double v = scaleReal*exp(-(x*x+y*y)*scaleReal/2);
			double temp=cos(k*xr) - exp(-exy);
			v	=	temp*v;
			if( ktype == CV_32F )
			{
				pFloat[xmax - x]= (float)v;
			}
			else
			{
				pDouble[xmax - x] = v;
			}
		}
	}
	return kernel;
}
Mat GaborFR::getMagnitude(Mat &real,Mat &imag)
{
	CV_Assert(real.type()==imag.type());
	CV_Assert(real.size()==imag.size());
	int ktype=real.type();
	int row = real.rows,col = real.cols;
	int i,j;
	float*	pFloat,*pFloatR,*pFloatI;
	double*	pDouble,*pDoubleR,*pDoubleI;
	Mat		kernel(row, col, real.type());
	for(i=0;i<row;i++)
	{
		if( ktype == CV_32FC1 )
		{
			pFloat = kernel.ptr<float>(i);
			pFloatR= real.ptr<float>(i);
			pFloatI= imag.ptr<float>(i);
		}
		else
		{
			pDouble = kernel.ptr<double>(i);
			pDoubleR= real.ptr<double>(i);
			pDoubleI= imag.ptr<double>(i);
		}
		for(j=0;j<col;j++)
		{
			if( ktype == CV_32FC1 )
			{
				pFloat[j]= sqrt(pFloatI[j]*pFloatI[j]+pFloatR[j]*pFloatR[j]);
			}
			else
			{
				pDouble[j] = sqrt(pDoubleI[j]*pDoubleI[j]+pDoubleR[j]*pDoubleR[j]);
			}
		}
	}
	return kernel;
}
Mat GaborFR::getPhase(Mat &real,Mat &imag)
{
	CV_Assert(real.type()==imag.type());
	CV_Assert(real.size()==imag.size());
	int ktype=real.type();
	int row = real.rows,col = real.cols;
	int i,j;
	float*	pFloat,*pFloatR,*pFloatI;
	double*	pDouble,*pDoubleR,*pDoubleI;
	Mat		kernel(row, col, real.type());
	for(i=0;i<row;i++)
	{
		if( ktype == CV_32FC1 )
		{
			pFloat = kernel.ptr<float>(i);
			pFloatR= real.ptr<float>(i);
			pFloatI= imag.ptr<float>(i);
		}
		else
		{
			pDouble = kernel.ptr<double>(i);
			pDoubleR= real.ptr<double>(i);
			pDoubleI= imag.ptr<double>(i);
		}
		for(j=0;j<col;j++)
		{
			if( ktype == CV_32FC1 )
			{
// 				if(pFloatI[j]/(pFloatR[j]+pFloatI[j]) > 0.99)
// 				{
// 					pFloat[j]=CV_PI/2;
// 				}
// 				else
// 				{
//					pFloat[j] = atan(pFloatI[j]/pFloatR[j]);
				pFloat[j] = asin(pFloatI[j]/sqrt(pFloatR[j]*pFloatR[j]+pFloatI[j]*pFloatI[j]));
/*				}*/
//				pFloat[j] = atan2(pFloatI[j],pFloatR[j]);
			}//CV_32F
			else
			{
				if(pDoubleI[j]/(pDoubleR[j]+pDoubleI[j]) > 0.99)
				{
					pDouble[j]=CV_PI/2;
				}
				else
				{
					pDouble[j] = atan(pDoubleI[j]/pDoubleR[j]);
				}
//				pDouble[j]=atan2(pDoubleI[j],pDoubleR[j]);
			}//CV_64F
		}
	}
	return kernel;
}
Mat GaborFR::getFilterRealPart(Mat& src,Mat& real)
{
	CV_Assert(real.type()==src.type());
	Mat dst;
	Mat kernel;
	flip(real,kernel,-1);//中心镜面
//	filter2D(src,dst,CV_32F,kernel,Point(-1,-1),0,BORDER_CONSTANT);
	filter2D(src,dst,CV_32F,kernel,Point(-1,-1),0,BORDER_REPLICATE);
	return dst;
}
Mat GaborFR::getFilterImagPart(Mat& src,Mat& imag)
{
	CV_Assert(imag.type()==src.type());
	Mat dst;
	Mat kernel;
	flip(imag,kernel,-1);//中心镜面
//	filter2D(src,dst,CV_32F,kernel,Point(-1,-1),0,BORDER_CONSTANT);
	filter2D(src,dst,CV_32F,kernel,Point(-1,-1),0,BORDER_REPLICATE);
	return dst;
}
void GaborFR::getFilterRealImagPart(Mat& src,Mat& real,Mat& imag,Mat &outReal,Mat &outImag)
{
	outReal=getFilterRealPart(src,real);
	outImag=getFilterImagPart(src,imag);
}


main

// Win32TestPure.cpp : 定义控制台应用程序的入口点。
#include "stdafx.h"
#include <vector>
#include <deque>
#include <iomanip>
#include <stdexcept>
#include <string>
#include <iostream>
#include <fstream>
#include <direct.h>//_mkdir()
#include "opencv2\opencv.hpp"
#include "GaborFR.h"
using namespace std;
using namespace cv;
int main()
{ 
	//Mat M = getGaborKernel(Size(9,9),2*CV_PI,u*CV_PI/8, 2*CV_PI/pow(2,CV_PI*(v+2)/2),1,0);
	Mat saveM;
	//s8-4
	//s1-5
	//s1中年男人
	Mat I=imread("H:\\pic\\s1-5.bmp",-1);
	normalize(I,I,1,0,CV_MINMAX,CV_32F);
	Mat showM,showMM;Mat M,MatTemp1,MatTemp2;
	Mat line;
	int iSize=50;//如果数值比较大，比如50则接近论文中所述的情况了！估计大小和处理的源图像一样！
	for(int i=0;i<8;i++)
	{
		showM.release();
		for(int j=0;j<5;j++)
		{
			Mat M1= GaborFR::getRealGaborKernel(Size(iSize,iSize),2*CV_PI,i*CV_PI/8+CV_PI/2, j,1);
			Mat M2 = GaborFR::getImagGaborKernel(Size(iSize,iSize),2*CV_PI,i*CV_PI/8+CV_PI/2, j,1);
			//加了CV_PI/2才和大部分文献的图形一样，不知道为什么！
			Mat outR,outI;
			GaborFR::getFilterRealImagPart(I,M1,M2,outR,outI);
//			M=GaborFR::getPhase(M1,M2);
//			M=GaborFR::getMagnitude(M1,M2);
//			M=GaborFR::getPhase(outR,outI);
//			M=GaborFR::getMagnitude(outR,outI);
 //			M=GaborFR::getMagnitude(outR,outI);
// 			MatTemp2=GaborFR::getPhase(outR,outI);
// 			M=outR;
			 M=M1;
			// 		resize(M,M,Size(100,100));
			normalize(M,M,0,255,CV_MINMAX,CV_8U);
			showM.push_back(M);
			line=Mat::ones(4,M.cols,M.type())*255;
			showM.push_back(line);
		}
		showM=showM.t();
		line=Mat::ones(4,showM.cols,showM.type())*255;
		showMM.push_back(showM);
		showMM.push_back(line);
	}
	showMM=showMM.t();
//	bool flag=imwrite("H:\\out.bmp",showMM);
	imshow("saveMM",showMM);waitKey(0);
	return 0;
}//endof   main()



以下图片可能和程序实际运行结果有点不同，图片只是示意图，代码暂时没问题。需要考虑的是iSize大小问题，首先iSize要用奇数，然后大部分文献iSize都比较大，好像是100左右，但没看到他们描述过卷积核的大小。



既然如此
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
基于Gabor+LDA的人脸识别演示程序源代码 OpenCV
07-18
-->请到 http://code.google.com/p/facerecog/ 下载最新版本。<-- 功能：对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库中找到最匹配的人脸并显示。 在VS 2008 SP1上编写，使用了OpenCV 2.0和MFC 9，通过消息处理函数与用户进行交互，利用多线程来实时显示图像。 数据处理分为了CFaceAlign（人脸检测+几何归一化）、CLightPrep（光照归一化）、CFaceFeature（Gabor特征提取）、CSubspace（计算Fisherface子空间）四个类，还有一个类 CFaceMngr 负责管理界面与数据之间的交流。注释很详细 程序中使用了OpenCV1.0和2.0，如果你没有安装这两者的库，或者想要看看运行效果，请到 http://download.csdn.net/source/2553599 下载
Gabor的OpenCV代码
延陵小明
08-07 1万+
最近弄人脸识别，用到Gabor卷积核，但网上的代码似乎没有和我心意的，于是参考了自己写了下！参考了Zhou Mian以及matlab的Gabor实现代码的代码。虽然OpenCV的imporc下面有个gabor.cpp，但那个是一般形式的公式，不是用来做人脸识别的，可以参考文献A review on Gabor wavelets for face recognition，又说到。上代码和链接地址
openCV+ASM+LBP+Gabor实现人脸识别（GT人脸库）
热门推荐
KimmKing的技术博客
05-18 2万+
原理：使用GT人脸库做样本，VS2010下使用openCV2.44自带的Haar算法检测人脸区域，ASM Library特征检测，然后使用YCrCb颜色空间做肤色检测，再用LBP+Gabor小波提取特征，最小邻近距离做分类识别。 1、GT人脸库 Georgia Tech face database，网址：http://www.anefian.com/research/face_reco.htm
Gabor滤波简介与Opencv中的实现及参数变化实验
lhanchao的博客
02-12 1万+
Gabor滤波是一种非常常见的特征提取算法，在人脸识别等领域有着很广泛的应用，在这里我主要介绍一下Gabor滤波器的公式及Opencv下的代码实现，以及我做的一些参数变化的实验。一、Gabor滤波简介注意，这里我介绍的Gabor算法与在人脸识别中使用的Gabor算法貌似是不太相同的，具体内容我没有深入了解。 Gabor滤波的公式如下所示：g(x,y;λ,θ,ψ,σ,γ)=exp(−x′2+γ2y2
Gabor滤波器及其在OpenCV中的使用
weixin_44493841的博客
07-04 1540
本文转自：https://www.jianshu.com/p/f1d9f2482191 1 对 Gabor 滤波器的理解 　　Fourier 变换是一种信号处理中的有力工具，可以将图像从空域转换到频域，并提取到空域上不易提取的特征。但是 Fourier 变换缺乏时间和位置的局部信息。 　　Gabor 变换是一种加窗短时 Fourier 变换（简单理解起来就是在特定时间窗内做 Fourier 变换...
人脸识别技术中的Gabor特征提取算法
do
11-02 5730
前言 上篇文章中，讲述了语音识别技术中的DTW算法，DTW算法是用于模板匹配的。这篇文章我们将介绍人脸识别中的Gabor特征提取算法，Gabor算法是用在特征提取阶段。我们在这里对比一下语音识别的流程图和人脸识别技术的流程图，以便学习总结。 下图是基于DTW算法的语音识别技术的流程图： 下图是基于Gabor特征提取算法和SVM分类器的人脸检测与识别流程图，其中包括测试过程与训练过程。 Gabor...
opencv Gabor
woxincd的专栏
03-29 2218
很多计算机视觉的paper中都会提到Gabor filter,于是小小总结了一下。   1.      简介 　           Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。Gabor 滤波器的频率和方向类似于人类的视觉系统，所以常用于纹理识别。在空间域，二维Gabor滤波器是一个高斯核函数和正弦平面波的乘积，具体的：
OpenCV Gabor滤波器实现纹理提取与缺陷分析
小白学视觉
05-02 2565
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达一：Gabor滤波器介绍Gabor滤波器是OpenCV中非常强大一种滤波器，广泛应用在纹理分割、对象检测、图像分维、文档分析、边缘检测、生物特征识别、图像编码与内容描述等方面。Gabor在空间域可以看做是一个特定频率与方向的正弦平面加上一个应用在正弦平面波上的高斯核在实际计算中，一般情况下会根据输入的t...
gabor变化OpenCV实现
08-20
二维gabor变化OpenCV实现，一个叫Zhou Mian的人写的。
Gabor+PCA人脸识别程序
09-29
可用的人脸识别程序，计算人脸识别率，选用ORL人脸库，可达90%以上识别率
matlab使用gabor变换和神经网络实现人脸识别。可用。
06-12
matlab下，使用gabor和神经网络实现人脸识别，有代码、说明文档、样例图片。亲测可用。很好的学习材料，从网上下载的。
基于OpenCV实现的Gabor滤波
03-08
基于OpenCV实现的Gabor滤波，包含Gabor小波的基本介绍和代码实现
Gabor+LDA人脸识别测试代码 Matlab
07-18
代码针对的是FERET人脸库，在该库的FB,fc,dupI子集上达到了达到了99.25% 96.91% 84.07%的识别率。当然也可以修改代码以适应其他库。 程序中做了很详细的注释，还有一个介绍文件，中文。 程序中包含了几何预处理、光照预处理、Gabor特征提取、Fisherface训练、识别、计算识别率等模块，可以很方便的对每个模块进行分别修改，适合用来比较算法的性能。
biaoqingshibie.rar_gabor opencv_gabor 表情识别_gabor+pca_opencv 表情识别
07-13
Gabor+PCA的人脸表情识别程序,基于OpenCV实现的
OpenCV人脸识别演示程序exe(内含全部dll)
01-07
功能：对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库中找到最匹配的人脸并显示。 首先，用户指定一个包含照片的文件夹进行训练，然后用摄像头或者照片进行注册，最后对摄像头或照片进行识别...
C++图像Gabor特征提取Opencv版本
08-23
自己写的两种常用的图像Gabor特征提取算法，虽然现在matlab里已经有加进来的，但是工程实现和初学者作为较好的工具使用。真的良心
【SVM+Gabor人脸识别】基于SVM+Gabor特征提取的人脸识别matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
04-30 1490
1.软件版本 MATLAB2013b 2.本算法理论知识 人脸识别是人脸识别与匹配领域的一项重要技术。为了获得理想的识别效果，必须在具有良好的类内聚力和类间差异的特征。现有的方法包括一种基于不同颜色模型和颜色空间中人脸肤色模型的人脸识别方法。一种基于颜色直方图模型的人脸识别方法，该方法是由皮肤区域校准图像的大量颜色建立的。提出了一种基于人脸光照补偿和非线性颜色变换的人脸识别方法。 Gabor特征提取 Gabor核函数具有与人脑皮层细胞相同的二维反射区域特征，Gabor核函数能够捕捉到相应的空间频率
OpenCV：拉普拉斯金字塔+Gabor方向滤波器原理及实现
一直在笑的博客
12-23 3182
一、拉普拉斯金字塔 1.1 原理         拉普拉斯金字塔将图像分解为低频分量和多个不同尺度的高频带通分量。使用拉普拉斯金字塔可以提取到图像不同尺度的空间频率特征。         拉普拉斯金字塔滤波器组首先将图像下采样，从而获取该尺度的低频分量。然后，将下采样后的图像插值进行上采样，将插值后的图像与原图像做差，得到的便是原图像尺度下的高频残差，也就是高频分量。对于低频分量不断地迭代这一过程，从而得到不同尺度的高频分量（
gabor人脸检测 matlab
最新发布
05-15
Gabor人脸检测是一种基于小波滤波的人脸识别技术。它是在Gabor小波基础上进行人脸特征提取的一种算法。Gabor小波是一类用于去除信号中高频噪声的小波。在Gabor小波的基础上，可以提取人脸的眼睛、鼻子、嘴巴等特征。Gabor人脸检测的主要流程包括：图像预处理、特征提取、分类器训练和检测等步骤。 在Matlab中实现Gabor人脸检测，首先需要准备一组标注有人脸的图像，然后对这些图像进行预处理。预处理包括灰度化、归一化、降噪等步骤。接着，可以使用Matlab的Gabor小波滤波函数提取图像中的人脸特征。提取出的人脸特征可以用于训练分类器。Matlab提供了多种分类器训练算法，其中较为常用的有支持向量机和人工神经网络等算法。训练完成后，可以使用分类器进行人脸检测。 Gabor人脸检测技术在计算机视觉和人工智能领域有着广泛的应用。它可以用于人脸识别、人脸跟踪、表情识别等诸多领域。在实际应用中，还可以结合其他算法和技术，进一步提高检测准确率和速度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值