该博客详细介绍了从RGB图像开始，经过高斯平滑、降采样、颜色和亮度转换，再到Gabor滤波和差分特征图计算的图像处理流程。通过这一系列步骤，提取图像的亮度、颜色和方向特征，并最终合并成一张特征图。过程中涉及OpenCV库函数的使用，如pyrDown、getGaborKernel和filter2D，以及特征图的归一化和合并策略。
结合此处的代码，重新归纳整理一下算法的流程：
- 输入一幅分辨率的 640 × 480 640\times 480 640×480 的RGB图像，记为 I 0 I_0 I0 ；
- 对 I 0 I_0 I0 高斯平滑，然后再进行 s = 2 s=2 s=2 降采样。即将图像尺寸行和列方向缩减一半（代码中是用 cv::pyrDown 函数一次处理），得到 I 1 I_1 I1 （注：OpenCV实现了用于创建图像金字塔的两个函数 pyrDown 和 pryUp）；
- 重复第2步，得到 I 2 , I 3 , I 4 , I 5 , I 6 , I 7 , I 8 I_2, I_3, I_4, I_5, I_6, I_7, I_8 I2,I3,I4,I5,I6,I7,I8 ， I 8 I_8 I8 的长宽分别为 I 0 I_0 I0 的 1 / 256 1/256 1/256 （注意 640 和480 都不能被 256 整除，个人觉得输入分辨率应该调整为256的倍数，不过这是小问题） ；
- I 0 ∼ I 8 I_0\sim I_8 I0∼I8 分别有 r r r、 g g g、 b b b 分量，计算每一个 I k I_k Ik 的“扩展颜色” R R R 、 G G
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
