Gabor 滤波器：与均值相比方差较大

Question

我正在尝试从输入图像中提取 Gabor 特征。因此，我设置了一系列具有不同参数（频率、角度和标准偏差）的 Gabor 滤波器，并且我将这些滤波器中的每一个与输入图像进行卷积，并查看输出幅度图像的均值和方差。因此，在 python 中，它看起来像：

import numpy as np
from scipy import ndimage as nd

# Here kernel is a given Gabor filter
def filter_image(self, image):
    filtered = np.zeros((len(self.kernels)*2,) + image.shape)        
    for k, kernel in enumerate(self.kernels):            
        filtered[k*2, :] = nd.convolve(image, np.real(kernel), mode='wrap')
        filtered[k*2+1, :] = nd.convolve(image, np.imag(kernel), mode='wrap')

return filtered

现在，我将功率图像的均值和方差视为：

def compute_features(self, image):
    features = np.zeros((len(self.kernels), 2))
    filtered = filter_image(image)
    for k in range(0, len(self.kernels)):
        power_image = np.sqrt(filtered[k*2]**2 + filtered[k*2+1]**2)
        features[k, 0] = filtered[k, :].mean()
        features[k, 1] = filtered[k, :].var()

return features

因此，当我查看每个过滤器响应的均值和方差时，我注意到方差相对于均值非常高。例如，我得到的值是（平均值 = 0.83，方差 = 900）。我想知道这是不是经常看到的东西。这是否告诉我图像中没有任何纹理？我不知道如何解释。

如果这不完全属于这个论坛，我深表歉意。我也确实在交叉验证上发布了这个。

Answer 1

您应该仅通过查看图像就对图像的纹理有所了解。

我建议你看看example given in scikit-image documentation。您将能够看到纹理图像的典型结果并检查您的代码。

我认为您的代码 sn-p 中有一个错误：在您的函数 filter_image 中，您正在迭代所有内核，而您应该只进行一次内核卷积。

除此之外，您应该检查用作输入的图像类型。在 skimage 示例中，图像首先转换为浮动。然后这些特征都在 [0, 1] 中。从您的结果来看，我怀疑您正在使用整数，它可以产生非常不同的均值和方差值，尽管它在归一化后给出相同的输出。 如果我更改 skimage 示例中的代码并使用原始整数图像，我得到的结果更像你的而不是浮点数。我计算了均值与方差的最小/最大/均值比率：

print((ref_feats[:, :, 0] / ref_feats[:, :, 1]).min())
print((ref_feats[:, :, 0] / ref_feats[:, :, 1]).mean())
print((ref_feats[:, :, 0] / ref_feats[:, :, 1]).max())

（其中 ref_feats 是图像和内核上的 (mean, var) 表）并得到了这个：

0.00403515106897
1.67550281887
9.91940408151