“gabor”的意思、由来-中文百科全书

Gabor嘉宝

有着60余年历史的Gabor公司是德国知名的鞋业制造企业，是由Gabor先生于1949年创立的家族企业，公司的总部位于巴伐利亚中部、慕尼黑附近的罗森海姆市，现在已经发展成为一个上市公司，在欧洲的其他国家还有工厂和分支机构，公司共有4300位员工，6个生产基地，每天生产能力为3.3万双鞋。保证每一双鞋达到品质标准最高值这一理念使Gabor成为一个传统品牌，然而，传统并不能代表一切，在过去十几年中，Gabor公司引进了许多新技术和新多元的产品生产链。只有顶级的皮料和部件才能达到Gabor鞋的标准。高品质同样还要求精湛的手工技术，做一双Gabor鞋需要250个独立的组件，45种不同的材料，140多道加工工序，每双鞋在经过140多道工序后，员工还有很多机器以外的精细手工需要操作。Gabor鞋的制造专由奥地利、斯洛伐克和葡萄牙这些位于欧洲的工厂完成，有非常严格的标准和检查制度，以保证所有工厂生产的品质是一样的。

成功的理念公式数个世纪以来都没有更改。每一双Gabor鞋都遵循三个标准而设计制造：时尚、品质、舒适。将这三个要素的完美结合是Gabor品牌的标识，也是这一点使Gabor在女鞋时尚界前沿稳坐一席。

Gabor有六大产品系列

1. Trend这是一个所谓超时尚的产品系列，它紧随时代潮流，非常现代。其在整个鞋的产量中比重不大。

2. Fashion不失时尚，但不是单为最赶时髦的某一类人设计的，而是比较大众化，适合全球销售的一个产品系列。 3. Sport休闲、舒适，适于全天日常穿着。Fashion和Sport产品系列占总产量的60%。

4. Comfort这是专为成熟女性设计的系列。 5. Jolly给年轻人设计的一个系列，前卫、个性、色彩多样。

6. GaborMan男士鞋也分为几个小的系列：运动、优雅、商务。

Gabor函数

Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。二维Gabor函数可以表示为：

其中：

v的取值决定了Gabor滤波的波长，u的取值表示Gabor核函数的方向，K表示总的方向数。参数决定了高斯窗口的大小，这里取。程序中取4个频率（v=0, 1, ..., 3），8个方向（即K=8，u=0, 1, ... ,7），共32个Gabor核函数。不同频率不同方向的Gabor函数可通过下图表示：

图片来源：GaborFilter.html

图片来源：http://www.bmva.ac.uk/bmvc/1997/papers/033/node2.html

三、代码实现

Gabor函数是复值函数，因此在运算过程中要分别计算其实部和虚部。代码如下：

private void CalculateKernel(int Orientation, int Frequency)

{

double real, img;

for(int x = -(GaborWidth-1)/2; x<(GaborWidth-1)/2+1; x++)

for(int y = -(GaborHeight-1)/2; y<(GaborHeight-1)/2+1; y++)

{

real = KernelRealPart(x, y, Orientation, Frequency);

img = KernelImgPart(x, y, Orientation, Frequency);

KernelFFT2[(x+(GaborWidth-1)/2) + 256 * (y+(GaborHeight-1)/2)].Re = real;

KernelFFT2[(x+(GaborWidth-1)/2) + 256 * (y+(GaborHeight-1)/2)].Im = img;

}

private double KernelRealPart(int x, int y, int Orientation, int Frequency)

{

double U, V;

double Sigma, Kv, Qu;

double tmp1, tmp2;

U = Orientation;

V = Frequency;

Sigma = 2 * Math.PI * Math.PI;

Kv = Math.PI * Math.Exp((-(V+2)/2)*Math.Log(2, Math.E));

Qu = U * Math.PI / 8;

tmp1 = Math.Exp(-(Kv * Kv * ( x*x + y*y)/(2 * Sigma)));

tmp2 = Math.Cos(Kv * Math.Cos(Qu) * x + Kv * Math.Sin(Qu) * y) - Math.Exp(-(Sigma/2));

return tmp1 * tmp2 * Kv * Kv / Sigma;

}

private double KernelImgPart(int x, int y, int Orientation, int Frequency)

{