LBP（局部二值模式）是一種用來描述圖像局部紋理特征的算子，具有旋轉不變性和灰度不變性等顯著優點。

(1) 原始LBP

原始的LBP算子定義在一個3*3的窗口內，以窗口中心像素為閾值，與相鄰的8個像素的灰度值比較，若周圍的像素值大于中心像素值，則該位置被標記為1，否則標記為0.可以得到一個8位二進制，將這個值作為窗口中心像素點的LBP值，來反映這個3*3區域的紋理信息。LBP記錄的是中心像素點與領域像素點之間的差值，所以當光照變化引起像素灰度值同增同減時，LBP變化并不明顯，可以認為LBP對于光照變化不敏感，LBP檢測的僅僅是圖像的紋理信息，因此，進一步還可以將LBP做直方圖統計，這個直方圖可以用來作為紋理分析的特征算子。

?數學公式：

其中，p表示3*3窗口中除中心像素點外的第p個像素點，I（c）表示中心像素點的灰度值，I(p)表示領域內第p個像素點的灰度值。

(2) 圓形LBP

為了適應不同尺度的紋理特征，并達到灰度和旋轉不變性的要求，將3*3領域擴展到任意領域，并用圓形領域代替正方形領域，改進后的LBP算子在半徑為R的圓形領域內有任意多個像素點。假設半徑為R的圓形區域內含有P個采樣點的LBP算子：

p=16，R=2時，圓形邊界上的點可能不是整數或者正好落在某個格子內，可能位于交界處，可以使用雙線性插值法來計算該點的像素值。

?其中，p表示圓形區域中總計P個采樣點中的第p個采樣點，I（c）表示中心像素的灰度值，I（p）表示圓形邊界像素點中第p個點灰度值?？偣灿衟個點在圓形邊界上，點坐標計算：

(3) 旋轉不變LBP

從原始LBP的定義來看，LBP算子是灰度不變的，但不是旋轉不變的，圖像旋轉的話就會得到不同的LBP值。提出具有旋轉不變性的LBP算子，即不斷旋轉圓形領域得到一系列初始定義的LBP值，取其最小值作為該領域的LBP值。

?在于對LBP的結果進行二進制編碼，并做循環位移，取所有結果中最小的那個值：

def value_rotation(num): value_list = np.zeros((8), np.uint8) temp = int(num) value_list[0] = temp for i in range(7): temp = ((temp << 1) | (temp / 128)) % 256 value_list[i+1] = temp return np.min(value_li

(4) 均勻模式LBP

對于半徑為R的圓形區域內含有P個采樣點，會有2P-1種模式。很顯然，隨著采樣點數P的增加，二進制模式的種類是呈指數趨勢增長的。盡可能少且具有代表性的特征，因此需要對LBP得到的二進制模式種類進行降維，使用更少的數據量來最好地表示圖像的信息，這種降維的方法就是uniform LBP。限制一個二進制序列從0到1或1到0的跳變次數不超過2次。模式數量從原來的2P種減少為P(P-1)+2種，其中P表示領域集內的采樣點數。

?目的就是統計二進制數的跳變次數，跳變次數小于等于2，則各自代表一類，跳變次數大于2的所有情況歸為一類。

(5) 均勻模式+旋轉不變模式LBP

先計算跳變次數：

跳變次數小于等于2，則各自代表一類，跳變次數大于2的所有情況歸為一類。得到的結果設為LBPuniP,R，再對其二進制編碼做循環移位，求出最小值。

?

總結

以上是生活随笔為你收集整理的(九) LBP特征提取的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。