Giriş görüntüsüne Gabor filtresi uygulama

Belirli bir ölçekte bir Gabor filtresi uygulamaya çalıştım (lambda ve sigma değerlerime göre, bu yüzden ( 7x7 ) ve 4 yönlendirme için (0, ,$\frac{\pi}{4}$ ve3$\frac{\pi}{2}$ ) giriş gri skala görüntüsüne.$\frac{3\pi}{4}$

Kodumda üç adım gerçekleştirildi:

1. Gabor Filtresi Oluşturma

2. Bir RGB görüntüsünü okuyun, ardından gri skalaya ve son olarak iki katına dönüştürün.

3. Giriş görüntü için oluşturulan gabor uygulayın ( burada, benim kod doğru olup olmadığından emin değilim, bu yüzden senin fikrin ihtiyacım var )

1) -------------- Gabor filtresini oluşturun (boyut = 7x7 ve 4 yön)

%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) ------------ Giriş görüntüsünü okuyun

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) ----- oluşturulan görüntü üzerinde yukarıdaki gabor uygulayın (bu adımdaki kod% 100 doğru olup olmadığından emin değilim, bu yüzden doğru cevabınız varsa fikrinize ve yardımınıza ihtiyacım var. )

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

Kodunuz doğru ve sonuçlar tutarlı. Bazı 'gizli özellikler' nedeniyle onları şaşırtabilirsin.

İlk olarak, conv2sonuç olarak görüntünün boyutu artı çekirdeğin yarısı boyutunun yarısı (yani, görüntünün boyutu artı çekirdeğin boyutunun toplam boyutu) olacak şekilde, tam evrişimi varsayılan olarak döndürür. Sonuçlarınızı yorumlarken bunun farkında olun!

İkincisi, sonuçlar çekirdeğiniz ve yerel görüntü yamanız arasında daha yüksek bir korelasyon için daha güçlü olan katsayıları temsil eder: beklendiği gibi görüntünün sınırlarını da çıkarırsınız. Özellikle güçlü dikey çizgi gösteren en soldaki sonucunuzu görün.

Son olarak, imagescvarsayılan olarak en yüksek ile en düşük katsayı arasındaki ölçeği ölçeklendirir. Bu yüzden en soldaki sonuçta esas olarak sınırı görüyorsunuz.

İçin farklı seçenekler vardır conv2anlatıldığı içinde help conv2bu davranışı kontrol etmesine izin hangi.

Ayrıca log-Gabors gibi kenarları tespit etmek için birçok farklı çekirdek tanımının bulunduğunu unutmayın.

.

Tam bir uygulama ile ilgileniyorsanız (python'da) şu adrese bakabilirsiniz: https://pythonhosted.org/LogGabor/ (utanmaz kendinden fişli 😇).

Kodunuz doğru. Çok iyi yaptığınız filtre çekirdeği ile 2-B evrişim yapmanız yeterlidir.

İyi şanslar