机器视觉基础之——LBP特征描述算子

一、图像纹理特征简介
纹理是一种反映图像中的同质的一种视觉特征，它体现了物体表面的结构组织排列属性。纹理特征具有三大标志：某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体。纹理不同于灰度、颜色等图像特征，他通过像素及其周围空间邻域的弧度分布来表现，纹理具有局部性，当局部纹理重复出现时就是全局纹理信息。

纹理特征体现全局性质时，描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像的内容的。

二、LBP特征描述算子
LBP特征描述算子是指局部二值模型（Location Binary Pattern，LBP）是一种图像纹理的描述算子。改进后的LBP具有灰度不变性和旋转不变性等优点，常应用于人脸识别和目标检测。
2.1算法理论介绍
1 .LBP原理介绍
  LBP特征用图像的局部领域的联合分布$T$ 来描述图像的纹理特征，如果假设局部邻域中像素个数为$P(P>1)$，那么纹理特征的联合分布$T$ 可以表述成：
$$T=t\left(g_c,g_0,\dots ,g_{p-1}\right)p=0,\dots ,P-1\text{\hspace{1em}(2-1)}$$
  其中， $g_c$ 表示相应局部邻域的中心像素的灰度值， $g_p$ 表示以中心像素圆心，以R为半径的圆上的像素的灰度值。
  假设中心像素和局部邻域像素相互独立，那么这里可以将上面定义式写成如下形式：

其中$t(g_c)$决定了局部区域的整体亮度，对于纹理特征，可以忽略这一项，最终得到：
$$T\approx t(g_0-g_c,\dots ,g_{p-1}-$$