计算机视觉之图像处理--2

LBP算子简介

LBP指局部二值模式(Local Binary Pattemn),是一种 用来描述图像局部特征的算子，具有灰度不变性和旋转不变
性等显著优点。LBP常应用于人脸识别和目标检测中，在OpenCV中有使用LBP特征进行人脸识别的接口，也有用
LBP特征训练目标检测分类器的方法，OpenCV实现了LBP特征的计算，但没有提供-一个单独的计算LBP特征的接
口。也就是说OpenCV中使用了LBP算法，但是没有提供函数接口。在这个深度学习发展非常迅猛的时代仍然具有借鉴意义。

LBP算子原理

原理参考

• 这里可能用到概率论和数理统计的知识，先是
• 
  

• 其中(t(gc))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:
  
  

LBP的三个发展阶段

3X3矩阵的像素

圆形LBP算子

• 为了适应不同尺度的纹理特征，并达到灰度级和旋转不变性的要求，
• 3x3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，

LBP的旋转不变性

说实话，没看太懂，先fork一下 qwq

LBP的等价模式

定义：当某个局部二进制模式所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该局部二进制模式所对应的二进制就称为-一个等价模式。

人脸检测的流程

运用滑动窗口的方法

代码实战

插值算法

import cv2
import matplotlib.pyplot as plt 
#  %matplotlib inline
if __name__ == "__main__":
    img = cv2.imread('gangshou.png', cv2.IMREAD_UNCHANGED)
    
    print('Original Dimensions : ',img.shape)
    
    scale_percent = 30       # percent of original size
    width = int(img.shape[1] * scale_percent / 100)
    height = int(img.shape[0] * scale_percent / 100)
    dim = (width, height)
    # resize image
    resized = cv2.resize(img, dim, interpolation = cv2.INTER_LINEAR)

    fx = 1.5
    fy = 1.5

    resized1 = cv2.resize(resized, dsize=None, fx=fx, fy=fy, interpolation = cv2.INTER_NEAREST)
    
    resized2 = cv2.resize(resized, dsize=None, fx=fx, fy=fy, interpolation = cv2.INTER_LINEAR)
    print('Resized Dimensions : ',resized.shape)
    plt.imshow(resized)
    plt.show()
    plt.imshow(resized1)
    plt.show()
    plt.imshow(resized2)
    plt.show()
    # cv2.imshow("Resized image", resized)
    # cv2.imshow("INTER_NEAREST image", resized1)
    # cv2.imshow("INTER_LINEAR image", resized2)
    cv2.waitKey(0)

LBP算法

import cv2 as cv
import numpy
# from PIL import Image
import matplotlib.pyplot as plt
#读取图像
img=cv.imread('lena.png')
# 检测人脸
face_detect =cv.CascadeClassifier('lbpcascade_frontalface_improved.xml')
# face_detect =cv.CascadeClassifier('haarcascade_frontalface_alt.xml')
# 灰度检测
gray =cv.cvtColor(img,code=cv.COLOR_BGR2GRAY)
#检测人脸，按照1.1倍放到周围最小像素为5
face_zone =face_detect.detectMultiScale(gray,scaleFactor=2,minNeighbors=2)
# maxsize=(55,55)
print('识别人脸的信息：\n',face_zone)

for x,y,w,h in face_zone:
    # 绘制矩形人脸的区域
    cv.rectangle(img,pt1 =(x,y),pt2=(x+h,w+h),color=[0,255,255],thickness=2)
    # 绘制圆形人脸的区域，radius表示半径
    cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=[0,255,0],thickness=2)
    # display(Image.open(img))
    plt.imshow(img)
    plt.show()

参考论文

[1] Multiresolution gray-scale and rotation invariant texture classification with local binary patterns