智能识别系统设计---图像特征提取

最新推荐文章于 2025-02-15 21:28:53 发布

NP_hard

最新推荐文章于 2025-02-15 21:28:53 发布

阅读量9k

点赞数 12

分类专栏： Computer Vision 文章标签： matlab 人工智能 opencv

本文链接：https://blog.csdn.net/NP_hard/article/details/120611691

版权

本文详细介绍了图像特征提取中的LBP和Gabor方法。LBP通过简单的二值化操作描述图像纹理，适用于光照变化场景。Gabor滤波器结合了频率和空间信息，尤其适用于纹理和边缘检测。文中还提供了Matlab和Python的代码实现。

摘要由CSDN通过智能技术生成

特征提取的简介

在这里插入图片描述
特征提取：通过统计或学习等方法从图像中提取出能够有效表示原始图像内容的特征向量的集合

LBP特征提取

这位大哥讲的很不错

介绍

局部二值模式（Local Binary Patter,LBP）是一种用来描述图像局部纹理特征的算子
由于计算简单，可用于基于纹理分类的实时应用场景，例如目标检测，人脸识别（LBP+AdaBoost）

LBP特征只考虑纹理信息，不包含颜色信息，因此彩色图需转换为灰度图

原理

LBP特征提取操作可以去除光照对图片的影响

对于一张单通道灰度图，我们对每一个像素进行如下操作：

首先，我们可以取这个像素点X以及其周围一圈8个像素点，组成3x3的像素矩阵（每个像素的灰度值的范围 0-255）

对于这个3x3的矩阵，对其进行LBP操作，将其二值化

公式：
$LBP(x_c,y_c)=\sum^{p-1}_{p=0}2^ps(i_p-i_c)$ $\begin{cases} 1& if \ x \geq 0\\ 0& else \end{cases}$
二值化后的矩阵
在这里插入图片描述

然后将像素点X外的一圈01值重组为一个长度为9的二进制数，这个二进制数对应的十进制数即为像素点X的新值

代码实现

导入算法所需的包

import cv2  as cv
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

读入所需处理的单通道灰度图

filepath='anime2.PNG'
img=cv.imread(filepath,0)
plt.imshow(img,cmap='gray')
print("img shape:",img.shape)

img shape: (654, 843)

在这里插入图片描述
这是自己实现的LBP函数

def LBP(img):
    dst=np.zeros(img.shape,dtype=img.dtype)
    for i in range(1,img.shape[0]-1):
        for j in range(1,img.shape[1]-1):
            center=img[i][j]
            code=0
            code |= (img[i-1][j-1]>=center)<<7
            code |= (img[i-1][j  ]>=center)<<6
            code |= (img[i-1][j+1]>=center)<<5
            code |= (img[i  ][j+1]>=center)<<4
            code |= (img[i+1][j+1]>=center)<<3
            code |= (img[i+1][j  ]>=center)<<2
            code |= (img[i+1][j-1]>=center)<<1
            code |= (img[i  ][j-1]>=center)<<0

            dst[i][j]=code
    return dst

进行LBP处理

plt.imshow(LBP(img),cmap='gray')

在这里插入图片描述
再测试一下，是否对阳光干扰有作用

img_=cv.imread('beam_face.jpg',0)

plt.figure(figsize=[8,8])
plt.subplot(2,2,1)
plt.imshow(cv.cvtColor(img_,cv.COLOR_BGR2RGB))
plt.title('src image')

plt.subplot(2,2,2)
plt.imshow(cv.cvtColor(LBP(img_),cv.COLOR_BGR2RGB))
plt.title('LBP image')