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输入图像转换为我的 gabor 过滤器，而不是默认的高斯过滤器？

Answer 1

这里有一些代码，您可以将其用作指南，以应用使用 OpenCV 库创建的常量（非学习）Gabor 滤波器：

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

下面是执行相同操作的函数：

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 滤波器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。我保持其余参数不变，但您可以根据需要更改它们。

应用 4 个内核后，我在所有 4 个过滤图像中获取像素方面的最大值。这加强了边缘并平滑了none-边缘部分。最后我在锐化图像。

希望这对您有所帮助:)

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

using gabor filter in tensorflow , or any other filter instead of default one

python

opencv

convolution

deep-learning

tensorflow