人脸纹理特征提取ELBP之OpenCV实现

1、前言

传统 LBP 特征通过比较重心局部窗口区域中心像素点灰度值与其它像素点的灰度关系来进行二值编码，因而极易受噪点影响。在非均匀光照、噪声及遮挡等情况下对图像纹理特征的描述能力不足。

ELBP 在对图形进行二值特征时，不仅考虑中心像素点灰度值与其它像素点的灰度大小关系，还对其灰度差异值的绝对值进行编码，以增加图像纹理的细节信息。本文旨在介绍 ELBP 特征提取方式实现思路。

2、实现原理

传统 LBP 算子，仅对相邻像素间的符号差异进行编码来描述图像纹理信息是不够的，因为忽略了保留在灰度值差异中的一些重要信息。当图像领域灰度都小于图像中心灰度值时，不同图像同一位置的将得到 LBP 特征。这里人脸图像举例说，如下图：

统计分析发现，LBP 提取半径 R = 2 时，超过 93% 的领域点深度差异值小于 7。因此额外添加三个二进制单位来编码中心点灰度与其相邻灰度之间的会灰度差值。

新加的三个二进制单元 { i₂i₃i₄} 可以对应灰度差 (DD) 的绝对值：0 ~ 7。|DD| ≥ 7，则设置为 7。像原来的 LBP 一样，用 0, 1 表示的差值符号组合作为头二进制单元(i₁)。DD 的二值编码方式：