需要关于过滤器Gabor的说明

Question

我正在学习手指识别系统。 有很多算法。 如果我用我自己的文字编写它，算法之一（尤其是基于细节点的二值化图像）将包含以下步骤：

STEP1。分割。这一步将前景从背景中分离出来。大多数用Thresholding完成。

STEP2。正常化。这一步分配强度。大多数用直方图均衡完成。

STEP3。过滤。这一步填补了沿山脊的空白。还要加强山脊和山谷之间的对比。大部分使用Gabor滤波器完成。

STEP4。二值化。这一步将二值化已过滤的图像。

STEP5。疏除。这个步骤来缩小二值化图像。

STEP6。细节提取。这一步从镂空图像中提取细节（脊末端和脊分叉）。

STEP7。细节匹配。这一步在提取的细节模板和提取的细节输入之间进行匹配。

我还不太了解STEP3特别是相关的Gabor滤波器。 我真的需要关于Gabor滤波器的逐步解释。 你能帮我吗？

Answer 1

Gabor滤波器实际上是一组滤波器。每个滤波器都有一个调制高斯函数作为卷积核。每个过滤器之间的区别在于方向。请参阅示例here第17页，here第2.2.2节或here。每个滤镜都应用于图像，并保留最大的答案。

由于每个过滤器可以具有与特定的方向具有细长的形状，并且因为你保持的最大应答，Gabor滤波器将：

1. 查找（薄）取向模式，如线，边缘等（请参阅第17页）
2. 重新连接停用的生产线。事实上，核心的中间会位于线条之间，但具有良好方向的过滤器将使两端都接触线条。您还可以使用数学形态学（面向开放/关闭）进行此类操作。

下面是其它实施例中：

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