Opencv 使用Gabor滤波器进行特征提取

OpenCV 中的 Gabor 滤波器是一种图像处理技术，它可以通过对图像进行 Gabor 滤波来提取图像的纹理特征。在 OpenCV 中，可以使用 cv2.getGaborKernel() 函数来生成 Gabor 滤波器，使用 cv2.filter2D() 函数来对图像进行滤波。

使用 cv2.getGaborKernel() 函数的基本语法如下：

kernel = cv2.getGaborKernel(ksize, sigma, theta, lambd, gamma, psi, ktype)

其中，ksize 是滤波器的大小，sigma 是高斯函数的标准差，theta 是滤波器的方向，lambd 是波长，gamma 是空间纵横比，psi 是相位偏移，ktype 是滤波器的数据类型。

以下是两个示例说明：

示例一：使用 Gabor 滤波器提取图像纹理特征

要使用 Gabor 滤波器提取图像纹理特征，可以使用以下代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', 0)

# 定义 Gabor 滤波器参数
ksize = 31
sigma = 5
theta = np.pi / 4
lambd = 10
gamma = 0.5
psi = 0
ktype = cv2.CV_32F

# 生成 Gabor 滤波器
kernel = cv2.getGaborKernel((ksize, ksize), sigma, theta, lambd, gamma, psi, ktype)

# 对图像进行滤波
filtered = cv2.filter2D(img, cv2.CV_8UC3, kernel)

# 显示图像
cv2.imshow('image', img)
cv2.imshow('filtered', filtered)
cv2.waitKey()
cv2.destroyAllWindows()

这将读取名为 image.jpg 的图像，并使用 Gabor 滤波器提取图像的纹理特征。最终结果将在窗口中。

示例二：使用 Gabor 滤波器进行人脸识别

要使用 Gabor 滤波器进行人脸识别，可以使用以下代码：

import cv2
import numpy as np
from sklearn.datasets import fetch_lfw_people
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载人脸数据集
lfw_people = fetch_lfw_people(min_faces_per_person=70, resize=0.4)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(lfw_people.data, lfw_people.target, test_size=0.2, random_state=0)

# 定义 Gabor 滤波器参数
ksize = 31
sigma = 5
theta = np.pi / 4
lambd = 10
gamma = 0.5
psi = 0
ktype = cv2.CV_32F

# 生成 Gabor 滤波器
kernel = cv2.getGaborKernel((ksize, ksize), sigma, theta, lambd, gamma, psi, ktype)

# 对训练集进行滤波
X_train_filtered = []
for i in range(X_train.shape[0]):
    img = X_train[i].reshape((50, 37))
    filtered = cv2.filter2D(img, cv2.CV_8UC3, kernel)
    X_train_filtered.append(filtered.flatten())
X_train_filtered = np.array(X_train_filtered)

# 对测试集进行滤波
X_test_filtered = []
for i in range(X_test.shape[0]):
    img = X_test[i].reshape((50, 37))
    filtered = cv2.filter2D(img, cv2.CV_8UC3, kernel)
    X_test_filtered.append(filtered.flatten())
X_test_filtered = np.array(X_test_filtered)

# 训练 SVM 模型
clf = SVC(kernel='linear', C=0.1)
clf.fit(X_train_filtered, y_train)

# 预测测试集
y_pred = clf.predict(X_test_filtered)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

这将加载人脸数据集，并使用 Gabor 滤波器进行人脸识别。最终结果将输出准确率。