在TensorFlow中使用gabor过滤器，或任何其他过滤器而不是默认过滤器

Question

我想在我的CNN中使用gabor过滤器。使用 convolution2d 函数如何将其更改为将图像转换为我的 gabor 滤波器的转换图像，而不是默认的高斯滤波器？

Answer 1

这里有一些代码，您可以将其用作应用使用 OpenCV 库创建的常量(非学习(Gabor 过滤器的指南：

import tensorflow as tf
import cv2
# Create a 3x3 Gabor filter
params = {'ksize':(3, 3), 'sigma':1.0, 'theta': 0, 'lambd':15.0, 'gamma':0.02}
filter = cv2.getGaborKernel(**params)
# make the filter to have 4 dimensions.
filter = tf.expand_dims(filter, 2)
filter = tf.expand_dims(filter, 3)
# Apply the filter on `image`
answer = tf.conv2d(image, filter, strides=[1, 1, 1, 1], padding='SAME')

Answer 2

下面是做同样事情的函数：

def gabor_filtering(image) :
   """
   Using Gabor Filters to repair
   motion blurriness in an image.
   """
   theta = [0, 45, 90, 135]
   filtered_images = []
   sharpen_kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
   for th in theta :
      kernel = cv2.getGaborKernel(ksize = (3, 3), sigma = 5, lambd = 5, theta = th, 
               gamma = 0.25)
      kernel = tf.expand_dims(kernel, 0)
      kernel = tf.expand_dims(kernel, 0)
      kernel = tf.cast(kernel, tf.float32)
      filtered_images.append(tf.nn.conv2d(image, kernel, strides=[1, 1, 1, 1], 
                             padding='SAME'))
   final_img = tf.math.maximum(tf.math.maximum(filtered_images[0], 
   filtered_images[1]), tf.math.maximum(filtered_images[2], filtered_images[3]))
   #Sharpening the image
   sharpen_kernel = tf.expand_dims(sharpen_kernel, 0)
   sharpen_kernel = tf.expand_dims(sharpen_kernel, 0)
   sharpen_kernel = tf.cast(sharpen_kernel, tf.float32)
   return tf.nn.conv2d(final_img, sharpen_kernel, strides=[1, 1, 1, 1], 
                       padding='SAME')

在这里，我使用Gabor滤镜来处理图像中的运动模糊。我正在使用 4 个具有不同 theta 值的不同内核。我保留了其余参数不变，但您可以根据需要更改它们。

应用 4 个内核后，我正在获取所有 4 个过滤图像的像素最大值。这样可以加强边缘并平滑无边缘零件。最后，我正在锐化图像。

希望这对:)有所帮助