点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达一：Gabor滤波器介绍
Gabor滤波器是OpenCV中非常强大一种滤波器，广泛应用在纹理分割、对象检测、图像分维、文档分析、边缘检测、生物特征识别、图像编码与内容描述等方面。Gabor在空间域可以看做是一个特定频率与方向的正弦平面加上一个应用在正弦平面波上的高斯核
在实际计算中，一般情况下会根据输入的theta与lambd的不同，得到一系列的Gabor的滤波器组合，然后把它们的结果相加输出，得到最终的输出结果，在纹理提取，图像分割、纹理分类中特别有用，Gabor滤波器的任意组合提供了非常强大的图像分类能力，被认为是最接近于现代深度学习方式进行图像分类的算法之一。Gabor滤波器应用也非常广泛，几乎从图像处理、分割、分类、对象匹配、人脸识别、文字OCR等领域都有应用。
二：OpenCV中的代码实现
OpenCV中已经实现了Gabor滤波器的核函数生成，有了卷积核函数，一切都好办多啦，通过filter2D卷积函数使用Gabor核即可完成Gabor滤波，Gabor核生成的API函数与参数解释如下：
Mat cv::getGaborKernel (
Size ksize, 卷积核大小
double sigma, // 高斯方差
double theta, // 角度
double lambd, // 波长
double gamma,// 纵横比
double psi = CV_PI *0.5, // 相位差
int ktype = CV_64F // Mat数据类型
)OpenCV中getGaborKernel函数的代码实现如下：
cv::Mat cv::getGaborKernel( Size ksize, double sigma, double theta,
double lambd, double gamma, double psi, int ktype )
{
double sigma_x = sigma;
double sigma_y = sigma/gamma;
int nstds = 3;
int xmin, xmax, ymin, ymax;
double c = cos(theta), s = sin(theta);
if( ksize.width > 0)
xmax = ksize.width/2;
else
xmax = cvRound(std::max(fabs(nstds*sigma_x*c), fabs(nstds*sigma_y*s)));
if( ksize.height > 0)
ymax = ksize.height/2;
else
ymax = cvRound(std::max(fabs(nstds*sigma_x*s), fabs(nstds*sigma_y*c)));
xmin = -xmax;
ymin = -ymax;
CV_Assert( ktype == CV_32F || ktype == CV_64F );
Mat kernel(ymax - ymin + 1, xmax - xmin + 1, ktype);
double scale = 1;
double ex = -0.5/(sigma_x*sigma_x);
double ey = -0.5/(sigma_y*sigma_y);
double cscale = CV_PI*2/lambd;
for( int y = ymin; y <= ymax; y++ )
for( int x = xmin; x <= xmax; x++ )
{
double xr = x*c + y*s;
double yr = -x*s + y*c;
double v = scale*std::exp(ex*xr*xr + ey*yr*yr)*cos(cscale*xr + psi);
if( ktype == CV_32F )
kernel.at<float>(ymax - y, xmax - x) = (float)v;
else
kernel.at<double>(ymax - y, xmax - x) = v;
}
return kernel;
}三：使用Gabor filter提取纹理
使用四个gabor filter实现各种纹理提取，代码实现布匹纹理检测、墙体裂纹检测、斑马线检测。先看效果：
1.布匹纹理检测
布匹纹理图像：
检测结果：
2.墙体裂纹提取
墙体裂纹图像
检测结果：
最终效果：
3.行车斑马线检测
斑马线图像
检测结果：
最终效果：
相关代码：
#include<opencv2/opencv.hpp>
#include"iostream"
usingnamespace cv;
usingnamespace std;
int main(int argc, char** argv) {
Mat src = imread("D:/javaopencv/texture1.png", IMREAD_GRAYSCALE);
namedWindow("input", CV_WINDOW_AUTOSIZE);
imshow("input", src);
Mat src_f;
src.convertTo(src_f, CV_32F);
// 参数初始化
int kernel_size = 3;
double sigma = 1.0, lambd = CV_PI/8, gamma = 0.5, psi = 0;
vector<Mat> destArray;
double theta[4];
Mat temp;
// theta 法线方向
theta[0] = 0;
theta[1] = CV_PI/4;
theta[2] = CV_PI / 2;
theta[3] = CV_PI - CV_PI / 4;
// gabor 纹理检测器，可以更多，
// filters = number of thetas * number of lambd
// 这里lambad只取一个值，所有4个filter
for(int i = 0; i<4; i++)
{
Mat kernel1;
Mat dest;
kernel1 = cv::getGaborKernel(cv::Size(kernel_size, kernel_size), sigma, theta[i], lambd, gamma, psi, CV_32F);
filter2D(src_f, dest, CV_32F, kernel1);
destArray.push_back(dest);
}
// 显示与保存
Mat dst1, dst2, dst3, dst4;
convertScaleAbs(destArray[0], dst1);
imwrite("D:/gabor1.jpg", dst1);
convertScaleAbs(destArray[1], dst2);
imwrite("D:/gabor2.jpg", dst2);
convertScaleAbs(destArray[2], dst3);
imwrite("D:/gabor3.jpg", dst3);
convertScaleAbs(destArray[3], dst4);
imwrite("D:/gabor4.jpg", dst4);
// 合并结果
add(destArray[0], destArray[1], destArray[0]);
add(destArray[2], destArray[3], destArray[2]);
add(destArray[0], destArray[2], destArray[0]);
Mat dst;
convertScaleAbs(destArray[0], dst, 0.2, 0);
// 二值化显示
Mat gray, binary;
// cvtColor(dst, gray, COLOR_BGR2GRAY);
threshold(dst, binary, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
imshow("result", dst);
imshow("binary", binary);
imwrite("D:/result_01.png", binary);
waitKey(0);
return0;
}下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~