opencv学习笔记三十一：LBP特征提取

最新推荐文章于 2025-05-16 15:26:03 发布

东城青年

最新推荐文章于 2025-05-16 15:26:03 发布

阅读量4.8k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： opencv 文章标签： LBP特征提取 LBP特征

本文链接：https://blog.youkuaiyun.com/qq_24946843/article/details/82632712

opencv 专栏收录该内容

76 篇文章 ¥9.90 ¥99.00

订阅专栏

LBP（Local Binary Pattern）是一种纹理分类的特征提取算法，以其鲁棒性和计算简单性被广泛应用。基本思想是通过比较像素点与其周围像素的亮度，形成二进制模式来描述图像细节。LBP算子有多种形式，包括基本LBP、圆形邻域LBP和等价模式，以及MB-LBP，它们在处理不同尺度和光照条件的图像时有不同的优势。等价模式减少了模式种类，提高了统计效率，而MB-LBP引入了像素块比较，增强了对图像整体信息的描述。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

LBP（local binary pattern）是一种简单，有效的纹理分类的特征提取算法。LBP算子是由Ojala等人于1996年提出的。局部二值模式是一个简单但非常有效的纹理运算符。由于其辨别力强大和计算简单，局部二值模式纹理算子已经在不同的场景下得到应用。LBP最重要的属性是对诸如光照变化等造成的灰度变化的鲁棒性。它的另外一个重要特性是它的计算简单，这使得它可以对图像进行实时分析。

LBP的基本思想是对图像的像素和它周围8个像素进行比较，然后求和。如果中心像素的亮度大于等于他的相邻像素，把他标记为1，否则标记为0。最终可以获取2^8个可能的组合，称为局部二值模式或LBP码。

这样做的原理：因为对于一张图片，相邻像素之间的的值是有关系的。因此中心点和相邻像素比较后就能得到一个二进制串，这个二进制串就能很好的表示这个点和相邻像素之间的模式，这个模式就是这个二进制串。这种描述方法就可以很好的捕捉到图像中的细节。

一、基本LBP

#include<opencv2\opencv.hpp>
using namespace cv;
using namespace std;

Mat src, gray_img;
int main(int arc, char** argv) {             
	src = imread("4.png");
	named

了解本专栏