Gabor变换由 D.Gabor 于 1946 年提出， 当时是为解决傅氏变换局部频率变化的不足， 而在其基础上增长窗函数， 实现有效得到信号的局部信息， 所以Gabor变换是一种基于窗口的短时傅氏变换。 因为所加窗函数为高斯窗， 在频域上具备不变性， 所以Gabor 变换能在时域与频域同时得到局部信号的变化。 在进行图像处理时， 纹理特征每每反应在局部局域的变化， 所以将Gabor 变换改形成二维Gabor滤波器， 在提取图像纹理特征时取得良好效果。html
经研究发现，Gabor 滤波响应与人眼视觉皮层感觉野响应类似。 以下图：算法
第一行是人眼视觉感觉野的响应模型， 第二行为Gabor 滤波变换波形， 最后一行为两者的响应残差。 从中能够发现，Gabor 相应符合人眼视觉感觉机制， 能够用来模拟人眼对图像进行处理分析。在第二章视觉显著性计算中可知，Itti 仿生显著性模型中提取的方向特征正是采用Gabor 滤波获得的， 这进一步说明了在纹理方向性上Gabor 对图像的处理符合人类视觉显著性特色。从理论上分析， 二维 Gabor 滤波器之因此对加强局部纹理方面性能突出， 由于在测不许原理之下， 2D-Gabor是惟一可以达到其下界值的高性能函数。 Gabor变换在时频两域可同时获得函数的局部最优解， 即时域下能加强局部信息， 频域下更好地显示高频信息。Gabor 变换在图像处理上最大优点是对图像的局部纹理敏感， 可以提供良好的方向选择和尺度选择特性。 这偏偏能弥补LC 算法在方向和纹理特征上的不足， 对局部缺陷纹理进行更好的加强。函数
在图像纹理加强时，每每利用二维Gabor 的实部对图像进行变换，然而Gabor变换的实部具备偶对称性， 单一使用实部会使需加强的缺陷区域产生黑白相间的条纹， 为后续缺陷检测带来偏差。 在检测处理时咱们关注的是利用Gabor 滤波器来对局部缺陷的纹理进行显著性完整加强， 所以须要采用以下公式对缺陷图进行滤波变换 。性能
其中：
从实现效果上分析，2D-gabor 滤波器参数众多， 每个参数的设置和调整都会对缺陷纹理检测到的效果产生很大影响。下面为各参数的意义与对图像滤波的效果影响：
1.波长（λ）： 以像素为计量单位的正弦调制波波长。 该值选取太小时（ 小于2）， 缺陷图像滤波效果不明显， 而当波长越大时， 中心频率越小， 使得滤波后的
图像越模糊， 局部纹理加强性越不明显。 所以在应用时选择
2~10 为佳。
2.方向（θ）： 定义了 Gabor滤波的特征选择的方向角度， 它的取值为 0到 360度。 因为在实部中Gabor 滤波是对称的， 故取值在0 到 180度就能彻底表达全方
向。 一般设计时咱们关注的方向个数
n,其计算公式为：n=π /θ。当n 偏小时， 缺陷图样因为滤波方向性不强， 没法达到对局部纹理缺陷的检测效果，甚至原图会严重虚化。而n 过大时会使运算速度减少没法知足实时检测要求。
3.相位偏移（Φ）： 它的取值范围为-180度到 180 度。0 度（ 无偏移） 表明中心对称向上函数，180 度对应中心向下函数， 而-90度与 90 度则与原始波造成反对称。
4.长宽比（γ）： 二维坐标比值， 决定了 Gabor 函数形状的椭圆率（ ellipticity）。当γ= 1时， 形状是圆的。 当γ< 1 时， 形状随着平行条纹方向而拉长。 当γ太小时，条纹过长会使图像出现毛刺干扰， 一般该值设为0.5 左右。
5.带宽（b）： Gabor滤波空间频率所需带宽。 带宽和σ/ λ的有关， 其中σ表示Gabor中高斯函数的标准差， σ/ λ决定了Gabor 的尺度。
url
不一样参数选择会产生不一样的滤波效果， 这会影响最终的精准度。
spa