Gabor 变换（1）

最新推荐文章于 2022-11-01 20:30:00 发布
最新推荐文章于 2022-11-01 20:30:00 发布
阅读量531 收藏 1
点赞数
分类专栏： 杂论无章 文章标签： 图像处理 生物 算法
转自http://blog.sina.com.cn/s/blog_48a242d601000a3j.html


Gabor 变换（1）

  (2007-06-29 10:11:34)
转载▼

分类： 算法介绍
 

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。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。

 

Gabor变换是短时Fourier变换中当窗函数取为高斯函数时的一种特殊情况.

 

Gabor变换的本质实际上还是对二维图像求卷积。因此二维卷积运算的效率就直接决定了Gabor变换的效率。在这里我先说说二维卷积运算以及如何通过二维傅立叶变换提高卷积运算效率.关于离散二维叠加和卷积的运算介绍的书籍比较多，我这里推荐William K. Pratt著，邓鲁华 张延恒 等译的《数字图像处理（第3版）》，其中第7章介绍的就是这方面的运算.

Gabor <wbr>变换（1）

A可以理解成是待处理的笔迹纹理，B可以理解成Gabor变换的核函数，现在要求A与B的离散二维叠加卷积，我们首先对A的右边界和下边界填充0（zero padding)，然后将B进行水平翻转和垂直翻转，如下图：

Gabor <wbr>变换（1）

然后用B中的每个值依次乘以A中相对位置处的值并进行累加，结果填入相应位置处（注意红圈位置）。通常二维卷积的结果比A、B的尺寸要大。如下图所示：

Gabor <wbr>变换（1）

2、快速傅立叶变换卷积

根据傅立叶变换理论，对图像进行二维卷积等价于对图像的二维傅立叶变换以及核函数的二维傅立叶变换在频域求乘法。通过二维傅立叶变换可以有效提高卷积的运算效率。但在进行傅立叶变换时一定要注意“卷绕误差效应”，只有正确对原有图像以及卷积核填补零后，才能得到正确的卷积结果。

 

二维Gabor函数可以表示为：

 

Gabor <wbr>变换（1）

其中:

 

Gabor <wbr>变换（1）

v的取值决定了Gabor滤波的波长，u的取值表示Gabor核函数的方向，K表示总的方向数。参数Gabor <wbr>变换（1）决定了高斯窗口的大小，这里取Gabor <wbr>变换（1）. 程序中取4个频率（v=0, 1, ..., 3），8个方向（即K=8，u＝0, 1, ... ,7），共32个Gabor核函数。不同频率不同方向的Gabor函数可通过下图表示：

Gabor <wbr>变换（1）

Gabor <wbr>变换（1）Gabor <wbr>变换（1）

 图片来源：http://www.neuroinformatik.ruhr-uni-bochum.de/ini/VDM/research/computerVision/
imageProcessing/wavelets/gabor/gaborFilter.html

Gabor <wbr>变换（1）


JN_W
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Gabor变换
计算机视觉小菜鸟的专栏
03-03 1万+
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。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。Gabor变换是短时Fourier变换中当窗函数取为高斯函数时的一种特殊情况. 根据卷积定理，我们知道傅里叶变换可以通过卷积运算来计算得到。 卷积定理：二个二维连续函数在空间域中的卷积可求其相应的二个傅立叶变换乘积的反
Gabor学习笔记
weixin_34064653的博客
03-19 1041
本文根据博客http://blog.csdn.net/watkinsong/article/details/7870996 ，博客http://www.cnblogs.com/yingying0907/archive/2012/11/22/2781945.html整理。   1.傅里叶变换 1) 简介 数字图像处理的方法主要分成两大部分：空域分析法和频域分析法。空域分析法就是对图像矩阵进行...
离散Gabor变换及代码实现
chenaiyanmie的博客
05-08 4597
离散Gabor变换的一般求法 二维Gabor滤波器 Gabor变换代码实现离散Gabor变换的一般求法1.首先选取核函数，可根据实际需要选取适当的核函数。如高斯窗函数：g(t)=(2√T)2e−π(tT)2g(t) = (\frac{\sqrt 2}{T})^2 e^{-\pi (\frac{t}{T})^2} 则其对偶函数 γ(t)为γ(t)=(12√T)12(K0π)eπ(tT)2∑n+1/2&gt;
Gabor变换 MATLAB程序 根据理论自己编写
10-21
Gabor变换 MATLAB程序 根据理论自己编写
【matlab代码】对仿真信号用Gabor变换进行时频分析.m
05-10
【matlab代码】对仿真信号用Gabor变换进行时频分析.m
Gabor变换C语言
06-04
实现图像的Gabor变换，可以得到图像的实部和虚部和幅值，可以参考
Gabor_Gabor时频变换_gabor变换频率_gabor变换_时频_
10-01
Gabor变换时频分析方法，频率域实现，属于短时窗Fourier变换
Fourier变换-Gabor变换-Wigner分布-小波变换实例分析.docx
07-29
在 Matlab 程序中，我们使用短时 Fourier 变换和 Gabor 变换对信号进行分析，结果如图 1-3 和图 1-4 所示。从图中可以看出，短时 Fourier 变换和 Gabor 变换都能够显示信号的频率信息，但是短时 Fourier 变换的时间...
时频分析 Gabor 变换 Matlab程序
06-08
时频分析 Gabor 变换 Matlab程序
Gabor变换 c++源码
11-24
基于opencv与vs2010实现的 gabor变换算法，已经过调试可用，代码思路清晰，阅读性强
时频Gabor变换
09-26
function [tfr,dgr,gam]=tfrgabor(sig,N,q,h,trace) %TFRGABOR Gabor representation of a signal. % [TFR,DGR,GAM]=TFRGABOR(SIG,N,Q,H,TRACE) computes the Gabor % representation of signal X, for a given synthesis window H, on a % rectangular grid of size (N,M) in the time-frequency plane. M and N % must be such that % N1 = M * N / Q % where N1=length(X) and Q is an integer corresponding to the % degree of oversampling. % % SIG : signal to be analyzed (length(SIG)=N1). % N : number of Gabor coefficients in time (N1 must be a multiple % of N) (default : divider(N1)). % Q : degree of oversampling ; must be a divider of N % (default : Q=divider(N)). % H : synthesis window, which was originally chosen as a Gaussian % window by Gabor. Length(H) should be as closed as possible % from N, and must be >=N (default : Gauss(N+1)). % H must be of unit energy, and CENTERED. % TRACE : if nonzero, the progression of the algorithm is shown % (default : 0). % TFR : Square modulus of the Gabor coefficients. When % called without output arguments, TFRGABOR runs TFRQVIEW. % DGR : Gabor coefficients (complex values). % GAM : biorthogonal (dual frame) window associated to H.
Gabor小波变换
南七小僧的学海无涯
09-11 8279
Gabor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，因此十分适合纹理分析。 图1是Gabor滤波器和脊椎动物视觉皮层感受野响应的比较 　　　　　　  　　　　　　　　　　　　　　　　图1. Gabor与脊椎动物视觉皮层感受野响应的比较 图1中第一行是脊椎动物的视觉响应，第二行是Gabor滤波器的响应，可以...
garbor 特征 matlab,利用Gabor变换法分析纹理图像 matlab代码实现
weixin_31976851的博客
03-19 988
Gabor变化属于加窗傅里叶变换，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函数与人眼的生物作用相仿，所以经常用于纹理识别上，并取得了较好的效果。二维Gobor滤波函数：​ 其中：xp = x*cos(theta)+y*sin(theta)yp=y*cos(theta)-x*sin(theta)function [ G,gabout ] = gaborfilter(I,...
Gabor变换过程详细推导
qq_36763031的博客
08-24 3633
写在前面 强烈建议阅读博文 matlab学习：图像频域分析之Gabor滤波，该篇博文写的非常好，由浅入深，对于Gabor滤波的由来及优点等叙述的非常完善。在本篇中，将集中于公式的推导。 一维情况 在传统的傅里叶变换中：  F(jω)=∫−∞∞f(t)e−jωtdt&ThinSpace; \ F(j\omega)=\int_{ - \infty }^\infty f (t){e^{...
从傅里叶(Fourier)变换到伽柏(Gabor)变换再到小波(Wavelet)变换
热门推荐
彬彬有礼的专栏
12-19 5万+
本文是边学习边总结和摘抄各参考文献内容而成的，是一篇综述性入门文档，重点在于梳理傅里叶变换到伽柏变换再到小波变换的前因后果，对于一些概念但求多而全，所以可能会有些理解的不准确，后续计划分别再展开学习研究。通过本文可以了解到：1）傅里叶变换的缺点；2）Gabor变换的概念及优缺点；3）什么是小波；4）小波变换的概念及优点。
Gabor 分解原理和代码实现
KPer_Yang的博客
11-01 562
Gabor 分解原理和代码实现
【人脸识别】基于garbor特征提取和SVM的人脸识别matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
07-09 3333
这里，关于图片特征的提取，利用garbor变换进行特征提取的。以二维形式存在的人脸图像所包含的数据信息是非常多的，而且，这些数据中还包含了很多与人脸身份并没有多少关系的冗余信息，例如，表情、光线条件等。因此，不能将这些数据直接作为人脸的代表特征来进行识别，也就是必须首先进行特征提取。特征提取的定义为：当原始特征的数量很大，或者说样本是处于一个高维空间中的向量时，通过映射（或变换）的方法用低维空间来表示。如上所述，由于人脸的维数在通常情况下很高，特征提取...
matlab gabor变换
最新发布
08-30
Gabor变换是一种用于信号和图像分析的数学工具，它结合了傅里叶变换和高斯调制函数。它是一种线性变换，可以将信号从时间域转换到频率-时间域，以实现对时频信息的分析。 Gabor变换的核心是Gabor滤波器，它是一个...

“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
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