C++ 如何将Gabor滤波器与Sobel和DFT滤波器输出结合使用

我将在图像上使用Gabor滤波器来增强它，遵循图像增强的主要思想。目标是获得输入图像的方向和频率，然后使用它们进行Gabor滤波。 首先，我将图像转换为灰度，然后为了获得方向图像，我使用Sobel滤波器，对于频率图像，我使用DFT滤波器。我的代码类似于OpenCV文档示例

索贝尔：

并将此部分添加到上面链接中的代码中，以获得方向图像：

cv::Mat calculateOrientations(cv::Mat gradientX, cv::Mat gradientY)
{
    // Create container element
    cv::Mat orientation = cv::Mat(gradientX.rows, gradientX.cols, CV_32F);

    // Calculate orientations of gradients --> in degrees
    // Loop over all matrix values and calculate the accompagnied orientation
    for (int i = 0; i < gradientX.rows; i++)
    {
        for (int j = 0; j < gradientX.cols; j++)
        {
            // Retrieve a single value
            float valueX = gradientX.at<float>(i, j);
            float valueY = gradientY.at<float>(i, j);
            // Calculate the corresponding single direction, done by applying the arctangens function
            float result = cv::fastAtan2(valueX, valueY);
            // Store in orientation matrix element
            orientation.at<float>(i, j) = result;
        }
    }   

    return orientation;
}

cv:：Mat计算方向（cv:：Mat gradientX，cv:：Mat gradientY）
{
//创建容器元素
cv:：Mat方向=cv:：Mat（gradientX.rows，gradientX.cols，cv_32F）；
//计算渐变的方向-->以度为单位
//循环所有矩阵值并计算伴随方向
对于（int i=0；i

对于DFT：

然后，我存储这两个滤波器的输出，并将它们作为Gabor滤波器的输入参数传递。我的Gabor滤波器的输入图像是我的灰度图像的二值掩码。对于这一部分，我的代码如下：

cv::Mat filter(cv::Mat inputImg, cv::Mat orientationImg, cv::Mat frequency, double theta_x, double theta_y)
{
    cv::Mat gaborResult = cv::Mat::zeros(inputImg.rows, inputImg.cols, inputImg.type());

    for (int i = 0; i < inputImg.rows; i++)
    {
        for (int j = 0; j < inputImg.cols; j++)
        {
            float xTheta = i*cos(orientationImg.at<float>(i, j)) + j*sin(orientationImg.at<float>(i, j));
            float yTheta = -i*sin(orientationImg.at<float>(i, j)) + j*cos(orientationImg.at<float>(i, j));

            float num1 = (xTheta * xTheta) / (theta_x * theta_x);
            float num2 = (yTheta * yTheta) / (theta_y * theta_y);

            float res = exp((-1 / 2) * (num1 + num2)) * cos(2 * pi * frequency.at<float>(i, j) * xTheta);
            gaborResult.at<float>(i, j) = res;
        }
    } 

    cv::Mat result = mult(inputImg, gaborResult);
    return result;
}

cv::Mat mult(cv::Mat inputImage, cv::Mat gaborResult)
{

    cv::Mat enhancedImg = cv::Mat::zeros(inputImage.rows, inputImage.cols, inputImage.type());;
    float sum = 0.0;

    for (int i = 0; i < inputImage.rows; i++)
    {
        for (int j = 0; j < inputImage.cols; j++)
        {
            enhancedImg.at<float>(i, j) = gaborResult.at<float>(i, j) * inputImage.at<float>(i, j);
        }
    }

    return enhancedImg;
}

cv:：Mat过滤器（cv:：Mat输入、cv:：Mat方向、cv:：Mat频率、双θx、双θy）
{
cv:：Mat gaborResult=cv:：Mat:：Zero（inputImg.rows、inputImg.cols、inputImg.type（））；
对于（int i=0；i

正如文章建议的那样，

theta_x

和

theta_y

的参数是4.0。

orientationImg

和

frequency

分别来自Sobel和DFT操作。 我做了一个像素级的Gabor滤波，如上图所示。然而，输出图像非常奇怪，甚至不接近我的增强目标

这是Sobel和DFT过滤器的原始输入图像：

这是Gabor滤波器的输入二进制掩码：

这是我的Gabor滤波器的最终输出：

---

显然，我在这里没有正确使用Gabor滤波器。关于这个话题，我在网上搜索了很多，但没有一个能解决我的问题。他们中的大多数人都强调获得一个Gabor核并在整个图像上使用它，这在我的例子中是不同的。有人能更好地改进我的代码/找出我的错误吗？先谢谢你

看起来像未规范化的浮点输出。 尝试将其规格化为间隔[0,1]

cv::normalize(src,dst,0,1,cv::NORM_MINMAX);

---

我已经试过那种方法，但它没有解决我的问题。