基于Gabor滤波器的图像边缘检测实验

最新推荐文章于 2024-11-07 15:58:17 发布

dxinbin

最新推荐文章于 2024-11-07 15:58:17 发布

阅读量4.8k

点赞数 3

分类专栏：图像处理文章标签：算法边缘检测

本文链接：https://blog.youkuaiyun.com/dxinbin/article/details/73250571

版权

本文介绍了基于Gabor滤波器的图像边缘检测实验，通过多尺度多方向的Gabor滤波核进行边缘信息提取，然后进行非极大值抑制、图像融合和边缘连接，得出完整边缘图像。实验结果显示Gabor滤波器在边缘检测中有较好表现，但也存在非边缘信息抑制不足和边缘连接不全的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 Gabor滤波算法原理

Gabor核函数定义：这里写图片描述
式中：依次作为主轴方向上的高斯尺度、主轴方向正交的高斯尺度，是滤波器的中心频率；是调制平面波以及高斯主轴旋转的角度，它沿着逆时针方向，和是常数。Gabor滤波器它的虚部适合用来提取图像的边缘信息，性能对噪声有较好的鲁棒特性。
在以、作为变量构建不同尺度和方向的滤波器组，分别可以检测出图像不同方向的边缘信息，再对非边缘点进行抑制，融合不同方向的边缘信息，得到完整的边缘信息。最后对图像进行边缘连接得到完整边缘。
2 Gabor滤波器检测步骤
选取如下图所示的图像作为边缘检测对象。该图像边缘主要为直线，方向清晰，易于作为图像的边缘检测。
这里写图片描述
2.1 多尺度多方向Gabor滤波核
由于Gabor滤波函数的虚部比较适合提取图像的边缘信息，选用不同的中心频率和方向构建一组滤波核

根据所选的检测图样，选取f = 0.15 , 0.3 , 0.45 theta为0，pi/4,pi/2,3pi/4。得到滤波核组如图1所示：
这里写图片描述

function [ Gabor_k ] = makeGabor(x,y, f0,theta )
%生成Gabor滤波
%gama,eta为常数
%            f0^2
% G(Z)=------------------*exp(-(f0^2*x1^2/gama^2+f0^2*y1^2/eta^2))*exp(i*2*pi*f0*x1)
%         pi*gama*eta
gama = 1;eta = 2;
        x1 = x*cos(theta)+y*sin(theta);
        y1 = -x*sin(theta)+y*cos(theta);
        Gabor_k = f0^2/(pi*gama*eta)*exp(-(f0^2*x1^2/gama^2+f0^2*y1^2/eta^