Python cucim.skimage.filters.gabor_kernel用法及代码示例

用法: cucim.skimage.filters.gabor_kernel(frequency, theta=0, bandwidth=1, sigma_x=None, sigma_y=None, n_stds=3, offset=0, *, float_dtype=<class 'numpy.float64'>)

返回复杂的 2D Gabor 滤波器内核。

Gabor核是由复调和函数调制的高斯核。谐波函数由虚正弦函数和实余弦函数组成。空间频率与谐波的波长和高斯核的标准偏差成反比。带宽也与标准偏差成反比。

参数：

frequency：浮点数: 调和函数的空间频率。以像素为单位指定。
theta：浮点数，可选: 以弧度表示的方向。如果为 0，则谐波在 x 方向。
bandwidth：浮点数，可选: 滤波器捕获的带宽。对于固定带宽，sigma_x 和sigma_y 将随着频率的增加而减小。如果用户设置了sigma_x 和sigma_y，则忽略此值。
sigma_x, sigma_y：浮点数，可选: x- 和 y-directions 的标准偏差。这些方向适用于内核before 旋转。如果 theta = pi/2 ，则内核旋转 90 度，以便 sigma_x 控制 vertical 方向。
n_stds：标量，可选: 内核的线性大小为 n_stds(默认为 3)标准差
offset：浮点数，可选: 以弧度为单位的谐波函数的相位偏移。

g：复数列: 复杂的过滤器内核。

参考：

1: https://en.wikipedia.org/wiki/Gabor_filter
2: https://web.archive.org/web/20180127125930/http://mplab.ucsd.edu/tutorials/gabor.pdf

例子：

>>> import cupy as cp
>>> from cucim.skimage.filters import gabor_kernel
>>> from skimage import io
>>> from matplotlib import pyplot as plt

>>> gk = gabor_kernel(frequency=0.2)
>>> plt.figure()                    
>>> io.imshow(cp.asnumpy(gk.real))  
>>> io.show()

>>> # more ripples (equivalent to increasing the size of the
>>> # Gaussian spread)
>>> gk = gabor_kernel(frequency=0.2, bandwidth=0.1)
>>> plt.figure()                    
>>> io.imshow(cp.asnumpy(gk.real))  
>>> io.show()

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.filters.gabor_kernel。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

参考：

例子：