使用gabor特征提取python

在Python中使用Gabor特征提取，你可以使用OpenCV库来实现。下面是一个简单的示例代码：

import cv2
import numpy as np
from scipy import ndimage

def gabor_filter(img, ksize, sigma, theta, Lambda, gamma, psi):
    # 创建Gabor滤波器
    gabor_kernel = cv2.getGaborKernel(ksize, sigma, theta, Lambda, gamma, psi, ktype=cv2.CV_32F)
    # 进行滤波操作
    filtered_img = cv2.filter2D(img, cv2.CV_8UC3, gabor_kernel)
    return filtered_img

# 读取图像
img = cv2.imread('image.jpg', 0)  # 灰度图像

# 设定Gabor滤波器参数
ksize = 31  # 滤波器尺寸
sigma = 5  # Gabor核的标准差
theta = np.pi / 4  # Gabor核的方向
Lambda = 10  # 波长
gamma = 0.5  # 横纵比
psi = 0  # 相位偏移

# 进行Gabor滤波
filtered_img = gabor_filter(img, ksize, sigma, theta, Lambda, gamma, psi)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Gabor Filtered Image', filtered_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先定义了一个`gabor_filter`函数，该函数接受输入图像、滤波器参数，并返回滤波后的图像。然后，我们读取了输入图像，并设定了Gabor滤波器的参数。最后，我们调用`gabor_filter`函数进行滤波，并显示结果图像。

请注意，这只是一个简单的示例代码，你可以根据自己的需求进行参数调整和功能扩展。同时，你需要确保安装了OpenCV和NumPy库。