如何产生以下图像（gabor patches）

Question

我正在尝试创建四个 gabor 补丁，与下面的非常相似。我不需要它们与下面的图片相同，但相似。

尽管进行了一些修改，但我无法重现这些图像... 我相信它们最初是在 MATLAB 中创建的。我无法访问原始 MATLAB 代码。

我在 python (2.7.10) 中有以下代码：

import numpy as np
from scipy.misc import toimage  # One can also use matplotlib*

data = gabor_fn(sigma = ???, theta = 0, Lambda = ???, psi = ???, gamma  = ???)
toimage(data).show()

*graphing a numpy array with matplotlib

gabor_fn，来自here，定义如下：

def gabor_fn(sigma,theta,Lambda,psi,gamma):
    sigma_x = sigma;
    sigma_y = float(sigma)/gamma;

    # Bounding box
    nstds = 3;
    xmax = max(abs(nstds*sigma_x*numpy.cos(theta)),abs(nstds*sigma_y*numpy.sin(theta)));
    xmax = numpy.ceil(max(1,xmax));
    ymax = max(abs(nstds*sigma_x*numpy.sin(theta)),abs(nstds*sigma_y*numpy.cos(theta)));
    ymax = numpy.ceil(max(1,ymax));
    xmin = -xmax; ymin = -ymax;
    (x,y) = numpy.meshgrid(numpy.arange(xmin,xmax+1),numpy.arange(ymin,ymax+1 ));
    (y,x) = numpy.meshgrid(numpy.arange(ymin,ymax+1),numpy.arange(xmin,xmax+1 ));

    # Rotation
    x_theta=x*numpy.cos(theta)+y*numpy.sin(theta);
    y_theta=-x*numpy.sin(theta)+y*numpy.cos(theta);

    gb= numpy.exp(-.5*(x_theta**2/sigma_x**2+y_theta**2/sigma_y**2))*numpy.cos(2*numpy.pi/Lambda*x_theta+psi);
    return gb

如您所知，图像之间的唯一区别（我相信）是对比度。因此，gabor_fn 可能需要进行更改以允许这样做（除非我误解了其中一个参数）...我只是不确定如何。

更新：

from math import pi
from matplotlib import pyplot as plt

data = gabor_fn(sigma=5.,theta=pi/2.,Lambda=12.5,psi=90,gamma=1.)

unit = #From left to right, unit was set to 1, 3, 7 and 9.
bound = 0.0009/unit

fig = plt.imshow(
                  data
                 ,cmap = 'gray'
                 ,interpolation='none'
                 ,vmin = -bound
                 ,vmax =  bound
)
plt.axis('off')

Answer 1

似乎 toimage 缩放输入数据，以便 min/max 值映射到 black/white。

我不知道 gabor 补丁的合理预期幅度是多少，但你应该尝试这样的事情：

toimage(data, cmin=-1, cmax=1).show()

这告诉 toimage 您的数据在什么范围内。您可以尝试使用 cmin 和 cmax，但要确保它们是对称的（即 cmin=-x, cmax=x），以便值为 0映射为灰色。

Answer 2

您遇到的问题是可视化问题（不过，我认为您选择的参数太大）。

默认情况下，matplotlib 和 scipy 的 (toimage) 使用双线性（或三线性）插值，具体取决于您的 matplotlib 的配置脚本。这就是为什么您的图像看起来如此流畅。这是因为您的像素值正在被插值，并且您没有显示刚刚计算的原始内核。

尝试使用不带插值的 matplotlib：

from matplotlib import pyplot as plt

plt.imshow(data, 'gray', interpolation='none')
plt.show()

对于以下参数：

data = gabor_fn(sigma=5.,theta=pi/2.,Lambda=25.,psi=90,gamma=1.)

你得到这个输出：

如果你将 lamda 减少到 15，你会得到这样的结果：

此外，您选择的 sigma 会改变平滑的强度，将参数 vmin=-1 和 vmax=1 添加到 imshow（类似于@kazemakase）的建议，会给您所需 对比度.

查看此指南以获得 gabor 内核的合理值（和使用方法）：

http://scikit-image.org/docs/dev/auto_examples/plot_gabor.html

如何产生以下图像（gabor patches）

How to produce the following images (gabor patches)

python

numpy

scipy

python-2.7