需要关于滤波器 Gabor 的解释

Question

我正在研究一个手指识别系统。 有很多算法。 如果我用自己的话来写，其中一种算法（尤其是基于细节的二值化图像）将包括以下步骤：

步骤 1。分割。此步骤将前景与背景分开。大多数都是通过阈值处理完成的。

第 2 步。正常化。这一步分配强度。大多数使用直方图均衡完成。

第 3 步。过滤。这一步填补了沿山脊的空隙。也加强了山脊和山谷的对比。大部分使用 Gabor 过滤器完成。

第 4 步。二值化。这一步对过滤后的图像进行二值化处理。

步骤 5。变薄。这一步是对二值化图像进行骨架化。

步骤 6。细节提取。这一步从骨架化图像中提取细节（脊结束和脊分叉）。

步骤 7。细节匹配。此步骤用于匹配提取的细节模板和提取的细节输入。

STEP3 尤其是 Gabor Filter 相关的东西我还是不太了解。 我真的需要关于 Gabor 滤波器的逐步解释。 你能帮帮我吗？

Answer 1

Gabor 过滤器实际上是过滤器的集合。每个滤波器都有一个调制的高斯函数作为卷积核。每个过滤器之间的差异是方向。请参阅示例 here 第 17 页、here 第 2.2.2 节或 here。每个过滤器都应用于图像，并保留最大答案。

由于每个过滤器都可能具有特定方向的细长形状，并且由于您保持最大答案，因此 gabor 过滤器将：

1. 查找（细）定向图案，例如线条、边缘等（也请参见第 17 页）
2. 重新连接中断的线路。实际上，内核的中间会在线条之间，但是具有良好方向的过滤器将有两个末端接触线条。您还可以使用数学形态学（定向打开/关闭）进行此类操作。

以下是其他示例：

1. link。
2. link。
3. 你应该read this。
4. Is that not what you want to do?