python - 在 python 中滑动 Gabor 过滤器

Question

取自 skimage 的 gabor 过滤器示例，计算图像的 gabor 过滤器很容易:

import numpy as np

from scipy import ndimage as nd

from skimage import data
from skimage.util import img_as_float
from skimage.filter import gabor_kernel

brick = img_as_float(data.load('brick.png'))

kernel = np.real(gabor_kernel(0.15, theta = 0.5 * np.pi,sigma_x=5, sigma_y=5))

filtered = nd.convolve(brick, kernel, mode='reflect')

mean = filtered.mean()
variance = filtered.var()

brick 只是一个 numpy 数组。假设我有一个 5000*5000 的 numpy 数组。我想要实现的是生成两个新的 5000*5000 numpy 数组，其中像素是以它们为中心的 15*15 窗口的 gabor 滤波器的均值和 var 值。

谁能帮我实现这个目标？

编辑

¿为什么我被否决了？无论如何，为了澄清，我展示了一个关于如何在单个图像上计算 gabor 滤波器的示例。我想简单地计算一个非常大图像的小方形子集的 gabor 滤波器(因此滑动窗口)。

Answer 1

没有标准方法可以做到这一点(据我所知)，但您可以直接自己做。

卷积中的每个像素都是 shift gabor 滤波器的值乘以图像像素的总和。也就是说，卷积中的每个像素基本上都是在常量归一化因子内的均值，因此filtered 基本上就是您的均值。

方差有点难，因为它是平方和，当然，你需要在计算和之前先计算平方。但是，您可以通过对图像和内核进行预平方来轻松完成此操作，即:

N = kernel.shape[0]*kernel.shape[1]
mean = nd.convolve(brick, kernel, mode='reflect')/N
var = nd.convolve(brick*brick, kernel*kernel, mode='reflect')/N - mean*mean