OpenCV图像滤波(8)getGaborKernel()函数的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

该函数返回 Gabor 滤波器系数。

Gabor 滤波器在图像处理中非常有用,特别是在纹理分析、特征提取和边缘检测等领域。

函数原型

cpp 复制代码
Mat cv::getGaborKernel
(
	Size 	ksize,
	double 	sigma,
	double 	theta,
	double 	lambd,
	double 	gamma,
	double 	psi = CV_PI *0.5,
	int 	ktype = CV_64F 
)		

参数

  • 参数ksize 返回的滤波器的大小。
  • 参数sigm 高斯包络的标准差。
  • 参数theta Gabor 函数中平行条纹的法线方向。
  • 参数lambd 正弦因子的波长。
  • 参数gamma 空间纵横比。
  • 参数psi 相位偏移。
  • 参数ktype 相位偏移。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main( int argc, char** argv )
{
    // 读取图像
    cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/erik.jpg", cv::IMREAD_GRAYSCALE );

    if ( src.empty() )
    {
        std::cout << "Error: Image cannot be loaded!" << std::endl;
        return -1;
    }

    cv::Size sz2Sh( 400, 600 );

    cv::resize( src, src, sz2Sh, 0, 0, cv::INTER_LINEAR_EXACT );

    // 获取 Gabor 核
    cv::Mat kernel = cv::getGaborKernel( cv::Size( 3, 3 ), 1.0, CV_PI / 4, 1.0, 0.5, 0, CV_32F );

    // 应用 Gabor 核
    cv::Mat filtered;
    cv::filter2D( src, filtered, -1, kernel );

    // 显示图像
    cv::namedWindow( "Original Image", cv::WINDOW_NORMAL );
    cv::imshow( "Original Image", src );

    cv::namedWindow( "Filtered Image", cv::WINDOW_NORMAL );
    cv::imshow( "Filtered Image", filtered );

    cv::waitKey( 0 );

    return 0;
}

运行结果

当:cv::Mat kernel = cv::getGaborKernel( cv::Size( 3, 3 ), 1.0, CV_PI / 4, 1.0, 0.5, 0, CV_32F )时;

当:cv::Mat kernel = cv::getGaborKernel( cv::Size( 5, 5 ), 1.0, CV_PI / 4, 1.0, 0.5, 0, CV_32F )时;

当:cv::Mat kernel = cv::getGaborKernel( cv::Size( 5, 5), 1.0, CV_PI / 4, 1.0, 0.5, 1, CV_32F )时;

相关推荐
交通上的硅基思维21 小时前
人工智能安全:风险、机制与治理框架研究
人工智能·安全·百度
老百姓懂点AI21 小时前
[测试工程] 告别“玄学”评测:智能体来了(西南总部)基于AI agent指挥官的自动化Eval框架与AI调度官的回归测试
运维·人工智能·自动化
2501_9481201521 小时前
基于量化感知训练的大语言模型压缩方法
人工智能·语言模型·自然语言处理
songyuc21 小时前
【Llava】load_pretrained_model() 说明
人工智能·深度学习
MARS_AI_21 小时前
大模型赋能客户沟通,云蝠大模型呼叫实现问题解决全链路闭环
人工智能·自然语言处理·信息与通信·agi
名为沙丁鱼的猫7291 天前
【MCP 协议层(Protocol layer)详解】:深入分析MCP Python SDK中协议层的实现机制
人工智能·深度学习·神经网络·机器学习·自然语言处理·nlp
bylander1 天前
【AI学习】几分钟了解一下Clawdbot
人工智能·智能体·智能体应用
香芋Yu1 天前
【机器学习教程】第04章 指数族分布
人工智能·笔记·机器学习
小咖自动剪辑1 天前
Base64与图片互转工具增强版:一键编码/解码,支持多格式
人工智能·pdf·word·媒体
独自归家的兔1 天前
从 “局部凑活“ 到 “全局最优“:AI 规划能力的技术突破与产业落地实践
大数据·人工智能