Gabor滤波器：与均值相比的大方差

Question

我正在尝试从输入图像中提取Gabor特征。为此，我设置了一系列不同参数的Gabor滤波器（包括频率、角度和标准差），然后将每个滤波器与输入图像进行卷积，接着查看输出的幅度图像的均值和方差。在Python中，这段代码大概是这样的：

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，我正在查看功率图像的均值和方差，如下所示：

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

当我查看每个滤波器响应的均值和方差时，我发现方差相对于均值非常高。例如，我得到的值是（均值 = 0.83，方差 = 900）。我想知道这种情况是否很常见。这是否意味着我的图像中没有任何纹理？我不太确定该如何理解这个结果。

如果这个问题不太适合这个论坛，我表示歉意。我也在crossvalidated上发布了这个问题。

Answer 1

你只要看一下图片，就应该能大概知道它的纹理是什么样的。

我建议你去看看scikit-image文档中的示例。你可以看到一些典型的纹理图像结果，这样可以帮助你检查自己的代码。

我觉得你的代码里有个错误：在你的函数filter_image中，你是对所有的卷积核进行循环，但其实你只需要做一个卷积核的操作就可以了。

另外，你还需要检查一下你输入的图像类型。在skimage的示例中，图像首先被转换为浮点数。这样处理后，所有的特征值都在[0, 1]之间。从你的结果来看，我怀疑你使用的是整数，这样会导致均值和方差的值差别很大，虽然在归一化后输出结果是一样的。如果我把skimage示例中的代码改成使用原始的整数图像，我得到的结果就更像你的，而不是浮点数的结果。我计算了均值和方差的比值：

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是一个包含图像和卷积核的（均值，方差）表格）然后得到了这个：

0.00403515106897
1.67550281887
9.91940408151