将Gabor滤镜应用于输入图像

我尝试应用具有特定比例的Gabor滤波器（根据我的lambda和sigma的值，所以它是（7x7）并针对4个方向（0，，$\frac{\pi}{4}$和3$\frac{\pi}{2}$）输入灰度图像。$\frac{3\pi}{4}$

在我的代码中，实现了三个步骤：

1. 创建Gabor过滤器

2. 读取RGB图像，然后将其转换为灰度，最后转换为两倍。

3. 将创建的gabor应用于输入图像（在这里，我不确定我的代码是否正确，这就是为什么我需要您的意见）

1）--------------创建Gabor滤镜（大小= 7x7和4个方向）

%define the five parameters
theta=....; %either 0 or pi/4 or pi/2 or 3pi/4
lambda=3.5;
gamma=0.3;
sigma=2.8;
psi=0;

sigma_x = sigma;
sigma_y = sigma/gamma;

nstds = 5;
xmax = max(abs(nstds*sigma_x*cos(theta)),abs(nstds*sigma_y*sin(theta)));
xmax = ceil(max(1,xmax));
ymax = max(abs(nstds*sigma_x*sin(theta)),abs(nstds*sigma_y*cos(theta)));
ymax = ceil(max(1,ymax));
xmin = -xmax; ymin = -ymax;
[x,y] = meshgrid(xmin:xmax,ymin:ymax);

x_theta=x*cos(theta)+y*sin(theta);
y_theta=-x*sin(theta)+y*cos(theta);

gb= exp(-.5*(x_theta.^2/sigma_x^2+y_theta.^2/sigma_y^2)).*cos(2*pi/lambda*x_theta+psi);

figure(2);
imshow(gb);
title('theta=...');
%imagesc(gb);
%colormap(gray);
%title('theta=...');

2）------------读取输入图像

I=imread('piano.jpg');
image_resize=imresize(I, [160,160]);
image_gray=rgb2gray(image_resize);
image_double=im2double(image_gray);
figure(1);
imshow(image_double);

3）-----将上面创建的gabor应用于输入图像（回想一下，我不确定此步骤中的代码是否100％正确，这就是为什么如果您有正确的答案，我需要您的意见和帮助。 ）

figure(3);
filtered = conv2(image_double,gb);
imagesc(filtered);
colormap(gray);
title('theta=....');

您的代码正确且结果一致。由于某些“隐藏功能”，您可能会对它们感到惊讶。

首先， conv2默认情况下返回完整卷积，这样结果就是图像的大小加上边框的一半，即内核大小的一半（即，如果图像大小加上内核的总大小，则总大小）。解释结果时，请注意！

其次，结果表示的系数越强，内核与本地图像补丁之间的相关性越高：正如您所期望的，您还提取了图像的边界。特别要注意的是，最左边的结果显示出很强的垂直线。

最后，imagesc默认情况下缩放比例介于最高系数和最低系数之间。这就是为什么在最左边的结果中，您主要看到边框的原因。

有conv2描述的不同选项help conv2允许控制此行为。

还应注意，用于检测边缘的内核有许多不同的定义，例如log-Gabors

。

如果您对完整的实现感兴趣（使用python），则可以查看：https : //pythonhosted.org/LogGabor/（无耻的自插😇）。

您的代码是正确的。您只需要使用做得很好的过滤器内核进行二维卷积即可。

祝好运