garbor 特征 matlab,利用Gabor变换法分析纹理图像 matlab代码实现

Gabor变化属于加窗傅里叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。Gabor函数与人眼的生物作用相仿，所以经常用于纹理识别上，并取得了较好的效果。

二维Gobor滤波函数：

​

其中：

xp = x*cos(theta)+y*sin(theta)

yp=y*cos(theta)-x*sin(theta)

function [ G,gabout ] = gaborfilter(I,Sx,Sy,f,theta)

% gaborfilter定义，I为输入图像，Sx、Sy是变量在x，y轴变化的范围，即选定的gabor小波窗口的大小

% f为正弦函数的频率，theta为gabor滤波器的方向。G为gabor滤波函数g(x,y)，gabout为gabor滤波后的图像

if isa(I,'double')~=1

I = double(I);

end

for x = -fix(Sx):fix(Sx)

for y=-fix(Sy):fix(Sy)

xp = x * cos(theta) + y * sin(theta);

yp = y * cos(theta) - x*sin(theta);

G(fix(Sx)+x+1,fix(Sy)+y+1) = exp(-.5*((xp/Sx)^2+(yp/Sy)^2))*cos(2*pi*f*xp);

end

end

Imgabout = conv2(I,double(imag(G)),'same');

Regabout = conv2(I,double(real(G)),'same');

gabout = sqrt(Imgabout.*Imgabout+Regabout.*Regabout); %gabor小波变换后的图像gabout

end

close all;clear all;clc;

I = imread('wenli.jpg');

I=rgb2gray(I);

[G,gabout]=gaborfilter(I,2,4,16,pi/10); %调用garborfilter()函数对图像做小波变换

J = fft2(gabout); %对滤波后的图像做fft变换(快速傅里叶)，变换到频域

A = double(J);

[m,n] = size(A);

B = A;

C = zeros(m,n);

for i=1:m-1

for j=1:n-1

B(i,j) = A(i+1,j+1);

C(i,j) = abs(round(A(i,j)-B(i,j)));

end

end

h = imhist(mat2gray(C))/(m*n);

mean = 0;con=0;ent=0;

for i=1:256 %图像的均值，对比度和熵

mean = mean+(i*h(i))/256;

con = con+i*i*h(i);

if(h(i)>0)

ent = ent-h(i)*log2(h(i));

end

end

figure;

subplot(121);imshow(I);

subplot(122);imshow(uint8(gabout));

mean,con,ent

​左图为原图，右图为gabor pi/10 方向上处理纹理图像

​左图为原图，右图为gabor pi/4 方向上处理纹理图像

mean(平均值)

Con(对比度)

Ent(熵)

theta=pi/10

0.0043

1.6111

0.4046

theta=pi/4

0.0042

1.5869

0.3623

熵反映了图像的能量，当滤波器的方向和图像纹理方向越吻合，输出图像的能量越大。这证明了Gabor函数可以捕捉到相当多的纹理信息，具有极佳的空间特征。