Question

在许多程序中，例如https://gist.github.com/kkomakkoma/4fb21b853ce774fe5c6d47e9626e6570

以这种方式设计gabor滤镜：

def build_filters（）：

filters = []
ksize = 31
for theta in np.arange(0, np.pi, np.pi / 32):
    params = {'ksize':(ksize, ksize), 'sigma':1.0, 'theta':theta, 'lambd':15.0,
              'gamma':0.02, 'psi':0, 'ktype':cv2.CV_32F}
    kern = cv2.getGaborKernel(**params)
    kern /= 1.5*kern.sum() #why? why? why?
    filters.append((kern,params))
return filters

{kern / = 1.5 * kern.sum（）}做什么？谢谢你的回复

Answer 1

我会尽力回答这个问题，因为我也在处理这个问题。

首先，我认为这是一个有点相关的问题： gabor edge detection with OpenCV

执行此操作会导致一种平均操作（类似于仅使用平均掩码来卷积图像），因此在某种程度上它提供了一些平滑。它也用于规范化内核，如上面的链接中所述（为了防止某些像素在卷积完成时远远超过其他像素的响应）。如果没有完成，那么内核的最大值可能比最小值大几个数量级。

在使用openCV的filter2D函数之后，在使用和不使用这行代码的输入图像上测试了这个，就像你发布的github链接一样（输出图像缩放到0到255之间），结果是如果没有这行代码，许多像素只能拍摄到255的强度，这是预期的，因为每个像素都被分配了内核的最大值。

Without this line of code

我希望这有帮助......如果其他人有更多的推理或信息，我真的很想知道！

关于python中的gabor过滤器的代码

1 个答案: