opencv图像处理笔记【1】：LBP算法的实现

LBP概念

LBP的算法全称是Local Binary Pattern, 局部二值特征。他的实现也很简单，对于图像的一个3x3的块，中心的值和周围八个点作比较，周围点比中心点大为1，反之为0，从而可以将当前这个中心点转换成只包含01的二值表示，然后再将二进制转成十进制存储。

LBP的实现还有很多变种，比如圆形LBP。无论其方式如何变化，其中心思想都是周围点和中心点比较。

算法

LBP代码实现：

def LBP(src):
    '''
    :param src:灰度图像
    :return:
    '''
    height = src.shape[0]
    width = src.shape[1]
    dst = src.copy()
    lbp_value = np.zeros((1,8), dtype=np.uint8)
    
    neighbours = np.zeros((1,8), dtype=np.uint8)
    
    for x in range(1, width-1):
        for y in range(1, height-1):
            neighbours[0, 0] = src[y - 1, x - 1]
            neighbours[0, 1] = src[y - 1, x]
            neighbours[0, 2] = src[y - 1, x + 1]
            neighbours[0, 3] = src[y, x - 1]
            neighbours[0, 4] = src[y, x + 1]
            neighbours[0, 5] = src[y + 1, x - 1]
            neighbours[0, 6] = src[y + 1, x]
            neighbours[0, 7] = src[y + 1, x + 1]
            center = src[y, x]
            for i in range(8):
                if neighbours[0, i] > center:
                    lbp_value[0, i] = 1
                else:
                    lbp_value[0, i] = 0

            lbp = lbp_value[0, 0] * 1 + lbp_value[0, 1] * 2 + lbp_value[0, 2] * 4 + lbp_value[0, 3] * 8 \
                + lbp_value[0, 4] * 16 + lbp_value[0, 5] * 32 + lbp_value[0, 6] * 64 + lbp_value[0, 7] * 128
            
            #print(lbp)
            dst[y, x] = lbp

    return dst

生成的图片就会产生这种类似浮雕一样的效果。