62、图像纹理分析：局部二值模式及其他方法

图像纹理分析：局部二值模式及其他方法

在图像分析领域，纹理是一个重要的特征，它能够帮助我们对图像中的不同区域进行分类和识别。本文将详细介绍局部二值模式（Local Binary Pattern，LBP）这一纹理描述方法，以及其他相关的纹理分析方法和图像纹理分割技术。

1. 局部二值模式（LBP）

LBP 是一种相对较新的纹理描述方法，因其出色的性能在研究界迅速受到青睐。早期的 [Ojala96] 提出了这一概念，随后经过不断改进，[Ojala02] 提出的方法可能是最流行的。

1.1 基本 LBP

对于一个 3×3 的区域，基本 LBP 通过将中心点与其邻域点进行比较来得到一个代码，并将该代码存储在中心点处。具体过程依赖于阈值函数：
[s(x) =
\begin{cases}
1, & \text{if } P_x > P \
0, & \text{otherwise}
\end{cases}
]
对于一个有 8 个邻域点 (x) 的点 (P)，其 LBP 代码为：
[LBP = \sum_{i \in 1,8} s(x) \cdot 2^{i - 1}]
例如，在一个 3×3 的图像区域中，如果中心点的值被超过 3 次，那么得到的代码中就会有 3 个 1。将代码从左上角顺时针展开（顶部中间点为最高有效位），得到如 101,000,01₂ 这样的二进制代码，再根据像素权重计算得到最终的 LBP 值。

基本 LBP 代码还补充了两个局部度量：对比度和方差。对比度通过编码为‘1’的点与编码为‘0’的点之间的差异计算得到；方差则从四