标准Gabor滤波器的C语言实现

标准Gabor滤波器的C语言实现

在图像识别，分类，分割等应用中，纹理都是重要的特征之一。在纹理分析中，基于Gabor滤波的纹理特征是极为常见的。本文不深究Gabor的原理，下面仅给出Gabor的基本滤波表达式，而注重在空间域上正确实现上的一些细节。

Gabor滤波器的实部：

Gabor滤波器虚部：

在空间域上进行滤波时，需要同时计算实部与虚部的值才能获得幅值信息。另外在滤波过程中需要正确的计算模板的大小，模板太小出来的结果是不正确的。

这里最重要的两个参数是以及分别是波长以及卷积时的高斯标准差，用于控制模糊长度。

模板大小的估算方法为：

而最终的模板大小可以取为2*B+1。

本文实现的Gabor滤波器接口如下:

void gabor_filter(int gabor_theta_div,
              float gabor_lambda, float gabor_sigma, float gabor_phase_offset,
              unsigned char* src, int src_wid, int src_hei, int src_widstep,
              unsigned char* dst, int dst_wid, int dst_hei, int dst_widstep,
              int dst_offsetx, int dst_offsety);

其中

gabor_theta_div 为gabor角度数目。
gabor_lambda 波长
gabor_sigma 高斯标准差
gabor_phase_offset 相位偏移量

上述代码完成的c实现可以在以下地址获得：

https://github.com/UnilVision/visionbase/tree/master/texture/gabor

两个尺度，8方向结果示例：

src_img = cvLoadImage("test.png", 0);
show_img = cvCreateImage(cvSize(src_img->width*8, src_img->height*2), IPL_DEPTH_8U, 1);
gabor_filter(8, 3, 3, 0, src_img->imageData, src_img->width, src_img->height, src_img->widthStep, 
    show_img->imageData, show_img->width, show_img->height, show_img->widthStep, 0, 0);
gabor_filter(8, 3, 7, 0, src_img->imageData, src_img->width, src_img->height, src_img->widthStep,
    show_img->imageData, show_img->width, show_img->height, show_img->widthStep, 0, src_img->height);

图1， 原始图像

图2， 结果图像(打开放大查看)

最后，关于Gabor的实际使用，上述实现是非常慢的，如果保持思路不变，即使经过高强度的代码优化依然不可能达到满意的效率。

最实际应用中，使用频域滤波实现Gabor效率更高。在空间域，另一个优化的方法是在水平和45度，90度的方向上可采用类似高斯核的分解方法，将二维模板分解为一维模板做两次滤波实现。而其余方向的Gabor则通过旋转定位到上述几个角度来实现。

[原创文章，转载请注明出处：http://blog.csdn.net/unilvision/article/details/9015729