LBP特征提取

最新推荐文章于 2023-01-26 00:40:00 发布

CHAO_^

最新推荐文章于 2023-01-26 00:40:00 发布

阅读量3.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Image Processing

本文链接：https://blog.youkuaiyun.com/jinzhichaoshuiping/article/details/51626208

Image Processing 专栏收录该内容

72 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

LBP（Local Binary Pattern）是一种旋转不变的纹理特征提取方法。它通过比较像素中心与其周围像素的灰度值，形成LBP码。旋转不变模式解决了图像旋转导致LBP值变化的问题，而均匀LBP模式减少了不常见模式的影响。LBP特征通常以统计直方图形式用于分类识别，分块LBP通过在子区域建立直方图，进一步缓解了对齐问题导致的分类错误。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.一句话表示什么叫LBP特征
以每一像素为中心，比较33窗口内相邻的8个像素，灰度值大于中心像素的置1，否则置0. 于是会在33领域产生8位二进制数，转化为十进制即为LBP码，（0~255）.

这里写图片描述
上面的表述是最原始的版本，下面是进化后的版本：
注意这里的计算LBP的顺序并没有硬性要求，只是一个量化公式，在同一处理中保持相同的顺序即可。
2.旋转不变模式
改进后的版本将原来的3*3正方形领域扩展为任意大小的圆形邻域，可以得到半径为R的圆形区域内含有P个采样点的LBP算子。

这里写图片描述

从上图中可以看出，当图片发生旋转时，LBP值发生变化，为了弥补这种缺陷，提出了LBP旋转不变模式。
当图像在进行旋转时，表现到二进制上面就是数据的移位，例如图（1）旋转180°后得到的LBP值为11000111，这里面有一个重要的特征就是数据的相对位置不变，所有的数据都是原来的数据，不过是绝对位置变了而已，但是旋转45°呢？你会发现有些数据就掉了。
这便是研究人员提出圆形邻域的原因，为旋转不变模式提供了一种前提条件。
但是问题依然存在，如图所示：