一、簡介

Opencv之LBP特征（算法） - 我的鍋 - 博客園

LBP（Local Binary Pattern），即局部二進制模式，是一種描述圖像特征像素點與各個像素點之間的灰度關(guān)系的局部特征的非參數(shù)算法，同時也是一張高效的紋理描述算法。對一個像素點以半徑r畫一個圈，在圈上取K個點（一般為8），這K個點的值（像素值大于中心點為1，否則為0）組成K位二進制數(shù)。此即局部二進制模式，實際中使用的是LBP特征譜的直方統(tǒng)計圖。在舊版的Opencv里，使用CvHaarClassifierCascade函數(shù)，只支持Harr特征。新版使用CascadeClassifier類，還可以支持LBP特征

優(yōu)點：

1，旋轉(zhuǎn)不變性（局部二進制循環(huán)左移或右移其表示不變）

2，一定程度上消除了光照變化的問題

3，紋理特征維度低，計算速度快

缺點：

1，當光照變化不均勻時,各像素間的大小關(guān)系被破壞,對應(yīng)的LBP算子也就發(fā)生了變化

2，通過引入旋轉(zhuǎn)不變的定義,使LBP算子更具魯棒性。但這也使得LBP算子丟失了方向信息（如使局部二進制左移或右移，結(jié)果是一樣的，但是圖像不一樣）

二、灰度不變性

?該紋理單元的中心灰度值（閾值）為85，其余8個相鄰的灰度值分別為：90、74、63、134、91、83、99、103、90。根據(jù)這個閾值計算的定理進行計算，通過閾值計算后，根據(jù)圖中箭頭所指的方向可以得到一個局部二進制的模式，即：LBP模式=1101001，且LBP=217,。通過以上LBP算法的計算例子可以看出LBP值僅由中心像素點灰度值和相鄰八個像素點的灰度值決定，LBP特征即表示了其中心像素點的特征，其值的計算還需要和周圍的像素點計算完成，所以，LBP特征與周圍有很大的關(guān)系，它包含了圖像點，又包含了邊緣和局部的特征分布信息。

三、旋轉(zhuǎn)不變性LBP算法

通過上面的介紹，我們不難發(fā)現(xiàn)1LBP算法是具有灰度不變性的，在2002年的論文的，除了灰度不變性，作者又為LBP引入了旋轉(zhuǎn)不變性與等價模式，它是怎么實現(xiàn)的呢？
通過上面的介紹我們知道，對于一個選定的P，LBP算法將產(chǎn)生2^P個不同的輸出值，比如P=8時，值就有256個，這256個模式中每拿出一個都圍繞中心點轉(zhuǎn)動，那么在多次轉(zhuǎn)動的過程中，會產(chǎn)生多種不同的結(jié)果，而這些結(jié)果中值最小的那個模式就是選擇不變的二值模式了。比如：

?在上面的圖中說明的是，圖中的這8種模式，都有相同的旋轉(zhuǎn)不變模式，就是十進制為15的那個值，即00001111。那么對256種模式都做這種旋轉(zhuǎn)，得到最小的數(shù)作為這種模式的旋轉(zhuǎn)不變模式，旋轉(zhuǎn)不變模式一共有36種

總結(jié)

以上是生活随笔為你收集整理的Opencv LBP特征的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。