python 借助opencv实现Gabor滤波特征提取

首先说一下环境，windows 8.0 64位系统，OpenCV版本为2.4.7, python 版本为2.7.6，IDE为 64位 Anaconda
目的是实现图像的Gabor特征提取，分三个小程序完成
包含头文件

import cv2
import numpy as np
import pylab as pl

程序一，gaborl滤波器的构建，使用6个尺度分四个方向

**###   构建Gabor滤波器    
def build_filters():
     filters = []
     ksize = [7,9,11,13,15,17] # gabor尺度，6个
     lamda = np.pi/2.0 #波长
     for theta in np.arange(0, np.pi, np.pi / 4): #gabor方向，0°，45°，90°，135°，共四个
         for K in xrange(6): 
             kern = cv2.getGaborKernel((ksize[K], ksize[K]), 1.0, theta, lamda, 0.5, 0, ktype=cv2.CV_32F)
             kern /= 1.5*kern.sum()
             filters.append(kern)
     return filters

程序二，滤波过程

 ###    Gabor滤波过程
def process(img, filters):
    accum = np.zeros_like(img)
    for kern in filters:
        fimg = cv2.filter2D(img, cv2.CV_8UC3, kern)
        np.maximum(accum, fimg, accum)
    return accum

程序三，特征图生成并显示

###    Gabor特征提取
def getGabor(img,filters):
    res = [] #滤波结果
    for i in xrange(len(filters)):        
        res1 = process(img, filters[i])
        res.append(np.asarray(res1))

    pl.figure(2)
    for temp in xrange(len(res)):
        pl.subplot(4,6,temp+1)
        pl.imshow(res[temp], cmap='gray' )
    pl.show()

    return res  #返回滤波结果,结果为24幅图，按照gabor角度排列

结果展示如下：
24个滤波器核

24个滤波结果