opencv笔记(10)：Gabor特征

特征提取之Gabor特征

Gabor函数可以在频率不同尺度、不同方向上提取相关的特征，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。实质上Gabor变换就是对图像进行卷积操作，其中Gabor滤波器是一个由正弦平面波调制的高斯核函数，分为实部和虚部，实部滤波可以平滑图像，虚部滤波可以边缘检测。

1.二维Gabor函数的数学表达式

Gabor滤波器是带通滤波器，为高斯函数和复指数函数的乘积。

复数表达：

实数部分：

虚数部分：

其中，

波长（λ）：它的值以像素为单位指定，通常大于等于2.但不能大于输入图像尺寸的五分之一。

方向（θ）：这个参数指定了Gabor函数并行条纹的方向，它的取值为0到360度

相位偏移（φ）：它的取值范围为-180度到180度。其中，0和180度分别对应中心对称的center-on函数和center-off函数，而-90度和90度对应反对称函数。

长宽比（γ）：空间纵横比，决定了Gabor函数形状（support，我翻译为形状）的椭圆率（ellipticity）。当γ= 1时，形状是圆的。当γ< 1时，形状随着平行条纹方向而拉长。通常该值为0.5

​带宽（b）：Gabor滤波器的半响应空间频率带宽b和σ/ λ的比率有关，其中σ表示Gabor函数的高斯因子的标准差，如下：

σ的值不能直接设置，它仅随着带宽b变化。带宽值必须是正实数，通常为1，此时，标准差和波长的关系为：σ= 0.56 λ。带宽越小，标准差越大，Gabor形状越大，可见平行兴奋和抑制区条纹数量越多。​

2.Gabor提取特征的思路和步骤

Gabor提取特征的思路是不同的纹理一般具有不同的中心频率及带宽，根据这些频率和带宽可以设计一组Gabor滤波器对纹理图像进行滤波，每个滤波器只允许相对应的纹理通过。

滤波器提取特征的过程主要有：设计滤波器(函数、数目、方向和间隔)；从滤波器的输出结果提取有效纹理特征集。

实现步骤为

• 对图像进行实数形式的Gabor变换。
• 对变换后的图像进行分块。
• 计算每一块对应的能量：

• 将所有能量拉成一维行向量，即为特征向量。

 1     //载入一个图像 2     Mat img = imread( "test.jpg", CV_LOAD_IMAGE_GRAYSCALE ); 3     imshow("Original Image", img); 4     cvWaitKey(0); 5  6     //获取载入图像的gabor滤波响应的实部并且显示 7     Mat reimg(img.rows,img.cols, CV_32FC1); 8     gabor.conv_img(img, reimg, CV_GABOR_REAL); 9     imshow("After Image", reimg);10     cvWaitKey(0);