超级详细全面的LBP特征（Local Binary Pattern）讲解

LBP特征（Local Binary Pattern）

​ LBP含义为局部二进制模式，是用来描述图像局部特征的算子，由T.Ojala, M.Pietikäinen, 和 D. Harwood在1994年提出，最初是为纹理描述而设计的。由于LBP对单调灰度变化的不变性和计算效率高，其适用于高要求的图像分析任务，在计算机视觉的许多领域都得到了广泛的应用：比如人脸识别、目标检测、应用LBP特征来进行训练目标检测分类器。

​ 本文将介绍LBP特征算法的三种模式，分别为：原始的LBP，Circular LBP又称Extended LBP，Uniform Pattern LBP

---

1.原始的LBP算法

​ 原始的LBP算子定义在像素3×3的邻域内，以邻域中心像素为阈值，相邻的8个像素的灰度值与邻域中心的像素值进行比较，若周围像素大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3×3邻域内的8个点经过比较可产生8位二进制数，将这8位二进制数依次排列形成一个二进制数字，这个二进制数字就是中心像素的LBP值。由于共有八位二进制数，每位二进制数的取值为1或0，因此原始的LBP取值有2^8=256种。原理如下图所示：
原始LBP二进制的顺序并无硬性要求，只要在同一处理中保持相同的顺序即可。上述过程可用图和公式表达为：
$$(x_c,y_c)为中心像素的坐标，p为邻域的第p个像素,i_p为邻域像素的灰度值，i_c为$$