具有直流分量补偿的二维Gabor滤波器研究（Matlab代码实现）

👨‍🎓个人主页：研学社的博客    

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

Gabor 变换是一种重要的时频分析方法 ， 在空间域是一个正弦波与高斯核函数的卷积， 在频

率域是经过平移的高斯函数 ， 核函数定义为

平行条带的方向因子 ， σ 为高斯函数的标准差 ，γ 为空间纵横比，ψ 控制余弦函数的相位偏移 。

中值滤波是一种非线性滤波 ， 利用像素点领域灰度值的中值来代替像素点的灰度值， 让周围的像素值接近真实值， 从而消除孤立的噪声点 ， 并且中值滤波在消除椒盐噪声的同时能较好保留图像的边缘细节。

 

📚2 运行结果

 

 

 主函数代码：

clear;
clf;

% Load the image
I=rgb2gray(imread('lena.jpg','jpg'));
load colormaps.mat

% Show the grayscale image
colormap(grayscale);
imshow(I);

% Filter the image
[G,GABOUT]=gaborfilter(I,0.05,0.025,0,0);

clear I;

R=real(GABOUT);
I=imag(GABOUT);
M=abs(GABOUT);
P=angle(GABOUT);

clear GABOUT;

% Show the filter's outputs
figure;
colormap(redgreen);
subplot(2,2,1);
k=127.5/max(max(abs(R)));
image(uint8(k*R+127.5));
subplot(2,2,2);
k=127.5/max(max(abs(I)));
image(uint8(k*I+127.5));

% Show the kernels
colormap(redgreen);
subplot(2,2,3);
image(uint8(127.5*real(G)+127.5));
subplot(2,2,4);
image(uint8(127.5*imag(G)+127.5));

% Show the magnitudes
figure;
colormap(grayscale);
k=255/max(max(M));
image(uint8(k*M));

% Show the phases
figure;
colormap(redgreen);
k=127.5/pi;
image(uint8(k*P+127.5));

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]刘超,林寿英,王彩霞,李新亮,张晓青,谢奕涛.基于Gabor滤波器和SVM结合的中华蜂图像识别方法[J].农业工程,2021,11(08):49-52.

[2]刘飞飞,孙合锐,王潇男,金达风.基于Gabor滤波的重建图像法检测皮革表面缺陷[J].传感器与微系统,2022,41(03):139-141+144.DOI:10.13873/J.1000-9787(2022)03-0139-03.

[3]朱刘盅,李竞择,吴磊等.基于Gabor滤波器的光纤缺陷检测方法[J].南京理工大学学报,2022,46(01):119-126.DOI:10.14177/j.cnki.32-1397n.2022.46.01.017.

🌈4 Matlab代码实现