Gabor 特征总结（转载 ）

http://mengqi92.github.io/2015/10/11/gabor/

 

 

2.2.4 Gabor 滤波器核

类似一维 Gabor 核，我们将二维高斯函数与二维复数波相乘，就得到了二维的Gabor核：

 

它的各个参数含义如下：

• (x0,y0)(x0,y0): 高斯核的中心点
• θθ: 高斯核的旋转方向（顺时针）
• (σx,σy)(σx,σy): 高斯核两个方向上的尺度
• (u0,v0)(u0,v0): 频域坐标
• KK: 高斯核的幅度（magnitude）的比例

上图为Gabor核在频率域中的图示，这个Gabor核就是从之前那个高斯核得到的，其参数分别为：u0=v0=1/80u0=v0=1/80，x0=y0=0x0=y0=0，σ2x=50σx2=50，σ2y=40σy2=40，θ=−45°θ=−45°，F0=2–√/80F0=2/80，ω0=45°ω0=45°。

上图为Gabor核在空间域中的图示，参数和上面那个Gabor核一样。图像左边是实部，右边是虚部。这样的Gabor核与图像进行卷积，我们便能得到图像在(u0,v0)(u0,v0)频率附近的响应情况。在图像处理中，通常使用Gabor的实部进行卷积就可以。

三、Gabor 核作为图像特征

通过上面的分析，我们知道了，一个Gabor核能获取到图像某个频率邻域的响应情况，这个响应结果可以看做是图像的一个特征。那么，我们如果用多个不同频率的Gabor核去获取图像在不同频率邻域的响应情况，最后就能形成图像在各个频率段的特征，这个特征就可以描述图像的频率信息了

上图展示了一系列具有不同频率的 Gabor 核，用这些核与图像卷积，我们就能得到图像上每个点和其附近区域的频率分布情况。

由于纹理特征通常和频率相关，因此Gabor核经常用来作为纹理特征。又因为字符识别问题通常都是识别纹理的过程，所以Gabor核在光学字符识别（OCR）系统中也有广泛应用。