Áp dụng bộ lọc Gabor cho hình ảnh đầu vào

Tôi đã thử áp dụng bộ lọc Gabor với thang đo cụ thể (theo giá trị lambda và sigma của tôi, vì vậy nó là ( 7x7 ) và cho 4 định hướng (0, ,$\frac{\pi}{4}$ và3$\frac{\pi}{2}$ ) đến một hình ảnh tỷ lệ xám đầu vào.$\frac{3\pi}{4}$

Trong mã của tôi, ba bước đạt được:

1. Tạo bộ lọc Gabor

2. Đọc một hình ảnh RGB, sau đó chuyển đổi nó sang thang màu xám và cuối cùng thành gấp đôi.

3. Áp dụng gabor đã tạo cho hình ảnh đầu vào ( ở đây, tôi không chắc mã của tôi có đúng không, đó là lý do tại sao tôi cần ý kiến ​​của bạn )

1) -------------- tạo bộ lọc Gabor (kích thước = 7x7 và 4 hướng)

%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) ------------ Đọc hình ảnh đầu vào

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) ----- áp dụng gabor đã tạo ở trên cho hình ảnh đầu vào (nhớ lại rằng tôi không chắc mã trong bước này có đúng 100% không, đó là lý do tại sao tôi cần ý kiến ​​của bạn và sự giúp đỡ của bạn nếu bạn có câu trả lời đúng. )

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

Mã của bạn là chính xác và kết quả là phù hợp. Bạn có thể ngạc nhiên bởi chúng do một số 'tính năng ẩn'.

Đầu tiên, conv2trả về mặc định toàn bộ tích chập, sao cho kết quả là kích thước của hình ảnh cộng với đường viền bằng một nửa kích thước của hạt nhân (nghĩa là tổng kích thước nếu kích thước của hình ảnh cộng với kích thước của hạt nhân). Khi bạn giải thích kết quả của bạn, hãy nhận ra nó!

Thứ hai, kết quả đại diện cho các hệ số mạnh hơn cho mối tương quan cao hơn giữa hạt nhân của bạn và bản vá hình ảnh cục bộ của bạn: như mong đợi, bạn cũng trích xuất các đường viền của hình ảnh. Xem cụ thể kết quả ngoài cùng bên trái của bạn hiển thị đường thẳng đứng mạnh mẽ.

Cuối cùng, imagesctỷ lệ theo mặc định tỷ lệ giữa hệ số cao nhất đến thấp nhất. Đó là lý do tại sao trong kết quả ngoài cùng bên trái, bạn chủ yếu nhìn thấy đường viền.

Có các tùy chọn khác nhau để conv2mô tả trong help conv2đó cho phép kiểm soát hành vi này.

Cũng lưu ý rằng có nhiều định nghĩa khác nhau về hạt nhân để phát hiện các cạnh, chẳng hạn như log-Gabors

.

Nếu bạn quan tâm đến việc triển khai đầy đủ (bằng python), bạn có thể xem tại: https://pythonhosted.org/LogGabor/ (tự cắm không biết xấu hổ).

Mã của bạn là chính xác. Bạn chỉ cần thực hiện tích chập 2-D với nhân bộ lọc mà bạn đang làm rất tốt.

Chúc may mắn