opencv-python 用Gabor滤波器实现指静脉血管区域二值化纹理特征提取

 

之前写的都是有关于ROI的区域提取，但是对于提取到的区域我们需要提取它的特征，才可以在后期的特征匹配中排上用场。

这篇文章主要记录我是如何对指静脉图片做二值纹理特征提取的

原理：

一种比较特征提取简单的方法：用Gabor滤波器提取各个方向上的纹理，然后将他们融合在一起，做二值化处理。原理非常简单，但是我进行的过程十分艰辛。首先要了解什么是gabor滤波器，这篇文章可以让你有一个大概的认知。

而在opencv-python中，要获取一个gabor滤波器也很简单。

kern=cv.getGaborKernel(ksize, sigma, theta, lambd, gamma[, psi[, ktype]])

一句代码就可以了，看到这长长的参数列表你就应该明白我说的为什么过程会十分艰辛。因为gabor滤波器受到参数影响，所以你可能要花上大量的时间去寻找适合的参数。

这篇博客可以让你对各个参数有一个第一映像，但是这篇博客用的是C++，参数列表可能有点不一样，我按照python的参数列表做了一份明了的总结：

"""
gaborkernel 参数含义：
第一个参数：size 核的大小，一般为奇数
第二个参数：σ表示高斯函数的标准差，标准差越大，波纹起伏就越多
第三参数：θ 表示波纹的角度，弧度制 np.pi/5 这种
第四个参数：λ 表示波长，波长越长越密集
第五个参数：γ 表示椭圆的长短轴比，为1时为圆形
第六个参数：psi 表示相位偏移，-180~180变化，一般取0
第七个参数：类型，在python中一般为ktype=cv.CV