python中关于gabor过滤器的代码

在许多节目中，例如

以这种方式设计gabor滤波器：

def build_过滤器（）：

{kern/=1.5*kern.sum（）}做什么？

---

谢谢你的回答，我会尽力回答，因为我也在处理这个问题

首先，我认为这是一个有点相关的问题：

执行此操作会导致一种平均操作（类似于仅使用平均掩码来卷积图像），因此在某种程度上它提供了一些平滑。它还用于规范化内核，如我在上面的链接中所述（防止在卷积完成时某些像素的响应远远超过其他像素）。如果不这样做，那么内核的最大值可能比最小值大几个数量级

在使用openCV的filter2D函数后，我在输入图像上测试了这一点，不管有没有这一行代码，就像在你发布的github链接中一样（输出图像被缩放到0到255之间），结果是，没有这一行代码，许多像素的亮度刚好达到255，这是预期的，因为每个像素刚刚被分配了内核的最大值

我希望这能有所帮助…如果其他人对此有更多的理由或信息，我真的很想知道

filters = []
ksize = 31
for theta in np.arange(0, np.pi, np.pi / 32):
    params = {'ksize':(ksize, ksize), 'sigma':1.0, 'theta':theta, 'lambd':15.0,
              'gamma':0.02, 'psi':0, 'ktype':cv2.CV_32F}
    kern = cv2.getGaborKernel(**params)
    kern /= 1.5*kern.sum() #why? why? why?
    filters.append((kern,params))
return filters