图像处理之Gabor滤波器（C++）

图像处理之Gabor滤波器（C++）

---

---

前言

Gabor滤波器是一个用于边缘提取的线性滤波器，其频率和方向表达与人类视觉系统类似，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感，十分适合纹理特征分析。

---

一、Gabor滤波器原理

在空间域，一个二维的Gabor滤波器是一个正弦平面波和高斯核函数的乘积。前者是调谐函数，后者是窗口函数。因此，Gabor变换又称为窗口傅里叶变换（短时傅里叶变换），帮助我们更多的关心信号局部范围内的特征。

参数解释：

1. sigma(σ)：高斯函数的标准差，通常取2*PI
2. theta(θ)：滤波器的方向，单位为弧度，取值为（0、PI/4(45°)…）。
3. gamma(γ)：长宽比，决定Gabor函数图像的椭圆率（滤波器形状），一般取0.5。
4. psi(ψ)：相位偏移量，取值范围是-180°~180°,单位也是弧度，即[-PI,PI]。
5. lambda（λ）：滤波器的波长，通常大于等于2。
6. x、y的大小由gabor核的大小决定，一般xmax=kernel.width/2;ymax=kernel.height/2;
   xmin=-xmax;ymin=-ymax;

二、代码实现

1.代码实现

代码如下（示例）：

#include <iostream>
#include <opencv.hpp>
using namespace std;

/*
* @param cv::Size ksize		卷积核的大小
* @param double sigma		高斯函数标准差,一般取2*CV_PI
* @param double theta		Gabor核函数的倾斜角度
* @param double lambd		波长
* @param double gamma		长宽比,决定Gabor核函数的椭圆率,一般取0.5
* @param double psi			相位偏移量[-CV_PI,CV_PI]
* @param int	ktype		数据类型(CV_32F/CV_64F)	
*/
cv::Mat GetGaborKernel(cv::Size ksize,  double sigma, double theta, double lambd, double gamma, double psi, int ktype=CV_32F)
{
	cv::Mat kernel(ksize, ktype);
	double sigma_x = sigma;
	double sigma_y = sigma / gamma;
	double c = cos(theta), s = sin(theta);
	//确定卷积核函数的变化范围
	int xmax = ksize.width / 2;
	int ymax = ksize.height / 2;
	int xmin = -xmax;
	int ymin = -ymax;

	CV_Assert(ktype == CV_32F || ktype == CV_64F);

	double ex = -0.5 / (sigma_x * sigma_x);
	double ey = -0.5 / (sigma_y * sigma_y);
	double cscale = CV_PI * 2 / lambd;

	double _x=0, _y=0;
	for (int y = ymin; y <= ymax; y++)
	{
		for (int x = xmin; x <= xmax; x++)
		{
			_x = x * c + y * s;
			_y =-x * s + y * c;
			double value = std::exp(ex * _x * _x + ey * _y * _y) * cos(cscale * _x + psi);
			if (ktype == CV_32F)
				kernel.at<float>(ymax - y, xmax - x) = (float)value;
			else
				kernel.at<double>(ymax - y, xmax - x) = value;
		}
	}
	return kernel;
}
int main()
{
	//读取图片
	string filepath = "F://work_study//algorithm_demo//baby.jpg";
	cv::Mat src = cv::imread(filepath, cv::IMREAD_GRAYSCALE);
	if (src.empty())
	{
		std::cout << "imread error" << std::endl;
		return -1;
	}

	cv::Mat dst(src.size(), src.type());

	//构造Gabor卷积核
	cv::Mat kernel=myGetGaborKernel(cv::Size(5, 5), CV_PI/4, 1.0, 5.0, 0.5, -CV_PI / 2);
	
	//进行滤波
	cv::filter2D(src, dst, CV_8UC1, kernel);
	//保存图片
	imwrite("dst.bmp", dst);
	cv::waitKey(0);
	return 0;
}

2.结果展示

---

总结

本文介绍了Gabor原理以及C++实现的Gabor的过程。