如何将2D gabor小波“应用”到图像

Question

可能重复 - How to apply Gabor wavelets to an image?

我在上面的链接中找到了答案，但我真的无法遵循它。第一个答案，即接受的答案，在进行逆FFT之前将图像的FFT与其自身相乘。这对我来说根本没有意义

这是我的问题。我试图重现论文“基于多层阈值的血管分割筛查糖尿病视网膜病变”的结果（http://search.proquest.com/openview/94a1d9b4eed15c442da4f8a62c82a83b/1?pq-origsite=gscholar&cbl=326339）

def gabor_wavelet(rows, cols, kmax, f, orientation, scale, delt2):

    k = (kmax / (f ** scale)) * np.exp(1j * orientation * np.pi / 8)
    kn2 = np.abs(k) ** 2

    gw = np.zeros((rows, cols), np.complex128)

    for m in range(int(-rows/2) + 1, int(rows / 2) + 1):
        for n in range(int(-cols/2) + 1, int(cols / 2) + 1):
            t1 = np.exp(-0.5 * kn2 * (m**2 + n**2) / delt2)
            t2 = np.exp(1j * (np.real(k) * m + np.imag(k) * n))
            t3 = np.exp(-0.5 * delt2)
            gw[int(m + rows/2 - 1),int(n + cols/2 - 1)] = (kn2 / delt2) * t1 * (t2 - t3)

    return gw

用于绘制小波（或者是滤波器？） 对于scale = 1到4和orientation = 1到8，这些是生成的小波（绘制实部）：

R = 128
C = 128

kmax = np.pi / 2
f = np.sqrt(2)
delt2 = (2 * np.pi) ** 2
fig = plt.figure()
for v in range(1, 5):
    for u in range(1, 9):
        gw = gabor_wavelet(R, C, kmax, f, u, v, delt2)
        fig.add_subplot(4, 8, 8*(v-1) + u)
        plt.imshow(np.real(gw), cmap='gray')

plt.show()

结果图：

现在，主要关注的是，我有视网膜的图像，特别是倒置绿色通道，其中血管高度对比。我必须使用上面的一个小波（或过滤器？）来对其进行“一些操作”，请在此处更正滤波器和小波之间的差异。

我必须在我获得的小波和增加血管对比度的图像之间执行什么操作？：

这里也是小波绝对值的图像：

请帮助我。几天没有谷歌搜索和阅读论文的帮助，我被困在这里。我是该领域的初学者。

非常感谢

Answer 1

您需要应用卷积。您使用Gabor内核对图像进行卷积，然后获取复杂结果的大小。

使用cv2.filter2D函数应用Python中的OpenCV卷积。我认为它看起来像是：

gw = gabor_wavelet(R, C, kmax, f, u, v, delt2)
result = cv2.filter2D(image, CV_32F, gw)
result = np.absolute(result)

但也许OpenCV不会做复杂的过滤器，那就是：

gw = gabor_wavelet(R, C, kmax, f, u, v, delt2)
resultR = cv2.filter2D(image, CV_32F, np.real(gw))
resultI = cv2.filter2D(image, CV_32F, np.imag(gw))
result = np.hypot(resultR, resultI)

Disclamer ：我没有运行上面的任何代码，甚至没有安装OpenCV。 ：）