OpenCV之LBP

最新推荐文章于 2024-06-14 21:45:21 发布
最新推荐文章于 2024-06-14 21:45:21 发布
阅读量6.7k 收藏 11
点赞数 1
分类专栏： 模式识别

LBP（Local binary pattern）是一个易理解且有效的局部图像特征，应用很广泛。在网上可以搜到一大把的LBP介绍，所以本博文就忽略了对其的介绍。直接附上代码，代码不难，只是希望对大家有用！如有错误和补充，欢迎提出，大家共同进步哈！

背景介绍

局部二值模式(Local binary patterns,LBP)是机器视觉领域中用于描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点。它是由T. Ojala, M.Pietikäinen, 和 D. Harwood [1][2]在1994年提出，LBP在纹理分类问题上是一个非常强大的特征；如果LBP与HOG结合，则可以在一些集合上十分有效的提升检测效果。LBP是一个简单但非常有效的纹理运算符。它将各个像素与其附近的像素进行比较，并把结果保存为二进制数。由于其辨别力强大和计算简单，局部二值模式纹理算子已经在不同的场景下得到应用。LBP最重要的属性是对诸如光照变化等造成的灰度变化的鲁棒性。它的另外一个重要特性是它的计算简单，这使得它可以对图像进行实时分析。本节介绍相关LPB算法特征提取知识。

基本理论

局部二值模式是广泛用于图像分类的一种图像特征，它的特点是，在图像发生光照变化时，提取的特征仍然能够不发生大的改变。提取LBP的过程首先是将原始图像转换为LBP图，然后统计LBP图的LBP直方图，并以这个向量形式的直方图来表示原始的图像。LBP的基本思想是定义于像素的8邻域中,以中心像素的灰度值为阈值,将周围8个像素的值与其比较,如果周围的像素值小于中心像素的灰度值,该像素位置就被标记为0,否则标记为1.每个像素得到一个二进制组合,就像00010011.每个像素有8个相邻的像素点,即有2^8种可能性组合.如下图所示。


因此，LBP操作可以被定义为

其中35是中心像素，亮度是36；而37则是相邻像素的亮度。s是一个符号函数：


这种描述方法使得你可以很好的捕捉到图像中的细节。实际上，研究者们可以用它在纹理分类上得到最先进的水平。正如刚才描述的方法被提出后，固定的近邻区域对于尺度变化的编码失效。所以，使用一个变量的扩展方法，在文献[5]中有描述。主意是使用可变半径的圆对近邻像素进行编码，这样可以捕捉到如下的近邻：


对一个给定的点40   ，他的近邻点 41 可以由如下计算：


其中，R是圆的半径，而P是样本点的个数。这个操作是对原始LBP算子的扩展，所以有时被称为扩展LBP(又称为圆形LBP)。如果一个在圆上的点不在图像坐标上，我们使用他的内插点。计算机科学有一堆聪明的插值方法，而OpenCV使用双线性插值。


LBP的提升版本

原始的LBP提出后，研究人员不断对其提出了各种改进和优化。

圆形LBP算子

基本的LBP算子的最大缺陷在于它只覆盖了一个固定半径范围内的小区域，这显然不能满足不同尺寸和频率纹理的需要。为了适应不同尺度的纹理特征，并达到灰度和旋转不变性的要求，Ojala等对 LBP 算子进行了改进，将 3×3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，改进后的 LBP 算子允许在半径为 R 的圆形邻域内有任意多个像素点。从而得到了诸如半径为R的圆形区域内含有P个采样点的LBP算子；


LBP均匀模式LBP (uniform LBP)

基本地LBP算子可以产生不同的二进制模式，对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生P2种模式。很显然，随着邻域集内采样点数的增加，二进制模式的种类是急剧增加的。均匀模式就是一个二进制序列从0到1或是从1到0的变过不超过2次（这个二进制序列首尾相连）。比如：10100000的变化次数为3次所以不是一个uniform pattern。所有的8位二进制数中共有58个uniform pattern.为什么要提出这么个uniform LBP呢，例如：5×5邻域内20个采样点，有2^20＝1,048,576种二进制模式。如此多的二值模式无论对于纹理的提取还是对于纹理的识别、分类及信息的存取都是不利的。同时，过多的模式种类对于纹理的表达是不利的。例如，将LBP算子用于纹理分类或人脸识别时，常采用LBP模式的统计直方图来表达图像的信息，而较多的模式种类将使得数据量过大，且直方图过于稀疏。因此，需要对原始的LBP模式进行降维，使得数据量减少的情况下能最好的代表图像的信息。

为了解决二进制模式过多的问题，提高统计性，Ojala提出了采用一种“等价模式”(Uniform Pattern)来对LBP算子的模式种类进行降维。Ojala等认为，在实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，Ojala将“等价模式”定义为：当某个LBP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LBP所对应的二进制就称为一个等价模式类。如00000000(0次跳变)，00000111(只含一次从0到1的跳变)，10001111(先由1跳到0，再由0跳到1，共两次跳变)都是等价模式类。除等价模式类以外的模式都归为另一类，称为混合模式类，例如10010111(共四次跳变)。通过这样的改进，二进制模式的种类大大减少，而不会丢失任何信息。模式数量由原来的2P种减少为 P ( P-1)+2种，其中P表示邻域集内的采样点数。对于3×3邻域内8个采样点来说，二进制模式由原始的256种减少为58种，即：它把值分为59类，58个uniform pattern为一类，其它的所有值为第59类。这样直方图从原来的256维变成59维。这使得特征向量的维数更少，并且可以减少高频噪声带来的影响。

旋转不变模式LBP

旋转不变模式LBP能够在图片发生一定的倾斜时也能得到相同的结果。它的定义可以看下(注：此图来自于网络)：

 


我们看到中心点的邻居不再是它上下左右的8个点（补充一句，不一定非要是3*3的邻域，这个自己定，但是邻域大了意味着直方图向量维度的增加），而是以它为圆心的一个圈，规定了这个圆的半径和点的个数，就可以求出各个点的坐标，但是点的坐标不一定是整数，如果是整数那么这个点的像素值就是对应点的值，如果不是整数，就用差值的方式得到。从 LBP 的定义可以看出，LBP 算子是灰度不变的，但却不是旋转不变的。图像的旋转就会得到不同的 LBP值。Maenpaa等人又将 LBP算子进行了扩展，提出了具有旋转不变性的 LBP 算子，即不断旋转圆形邻域得到一系列初始定义的 LBP值，取其最小值作为该邻域的 LBP 值。

如上图所示(注：此图来自于网络)给出了求取旋转不变的 LBP 的过程示意图，图中算子下方的数字表示该算子对应的 LBP值，图中所示的 8 种 LBP模式，经过旋转不变的处理，最终得到的具有旋转不变性的 LBP值为 15。也就是说，图中的 8种 LBP 模式对应的旋转不变的 LBP模式都是 00001111。

上述介绍了几种不同版本的LBP，对LBP特征向量进行提取的步骤,如下所示：

  1. 将检测窗口划分为16×16的小区域(cell)；
  2. 对于每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值；
  3. 然后计算每个cell的直方图，即每个数字（假定是十进制数LBP值）出现的频率；然后对该直方图进行归一化处理。
  4. 最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量；

然后便可利用SVM或者其他机器学习算法进行分类了。




注意：下面代码仅为示例便利，牺牲了一些效率！

一）一般的LBP，256维

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. //====================================================================    
  2. // 作者   : quarryman    
  3. // 邮箱   : quarrying{at}qq.com    
  4. // 主页   : http://blog.csdn.net/quarryman    
  5. // 日期   : 2013年08月11日    
  6. // 描述   : 实现一般的LBP    
  7. //====================================================================    
  8. #include <cv.h>  
  9. #include <highgui.h>  
  10.   
  11. void LBP(IplImage* src, IplImage* dst)  
  12. {  
  13.     int width=src->width;  
  14.     int height=src->height;  
  15.     for(int j=1;j<width-1;j++)  
  16.     {  
  17.         for(int i=1;i<height-1;i++)  
  18.         {  
  19.             uchar neighborhood[8]={0};  
  20.             neighborhood[7] = CV_IMAGE_ELEM( src, uchar, i-1, j-1);  
  21.             neighborhood[6] = CV_IMAGE_ELEM( src, uchar, i-1, j);  
  22.             neighborhood[5] = CV_IMAGE_ELEM( src, uchar, i-1, j+1);  
  23.             neighborhood[4] = CV_IMAGE_ELEM( src, uchar, i, j-1);  
  24.             neighborhood[3] = CV_IMAGE_ELEM( src, uchar, i, j+1);  
  25.             neighborhood[2] = CV_IMAGE_ELEM( src, uchar, i+1, j-1);  
  26.             neighborhood[1] = CV_IMAGE_ELEM( src, uchar, i+1, j);  
  27.             neighborhood[0] = CV_IMAGE_ELEM( src, uchar, i+1, j+1);  
  28.             uchar center = CV_IMAGE_ELEM( src, uchar, i, j);  
  29.             uchar temp=0;  
  30.   
  31.             for(int k=0;k<8;k++)  
  32.             {  
  33.                 temp+=(neighborhood[k]>=center)<<k;  
  34.             }  
  35.             CV_IMAGE_ELEM( dst, uchar, i, j)=temp;  
  36.         }  
  37.     }  
  38. }  
  39.   
  40. int main()  
  41. {  
  42.     IplImage* img=cvLoadImage("lena.jpg", 0);  
  43.     IplImage* dst=cvCreateImage(cvGetSize(img),8,1);  
  44.     LBP(img,dst);  
  45.     cvNamedWindow("图像", 1);  
  46.     cvShowImage("图像", dst);  
  47.     cvWaitKey(0);  
  48.     cvDestroyAllWindows();  
  49.     cvReleaseImage(&img);  
  50.     cvReleaseImage(&dst);  
  51.   
  52.     return 0;  
  53. }  
结果图像为：


二）Uniform Pattern的LBP，将256维降为59维。
绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，Ojala将Uniform Pattern定义为：当某个LBP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LBP所对应的二进制就称为一个等价模式类。

代码一：

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. #include <stdio.h>  
  2. typedef unsigned char uchar;  
  3. int getHopCount(uchar i)  
  4. {  
  5.     int a[8]={0};  
  6.     int k=7;  
  7.     int cnt=0;  
  8.     while(i)  
  9.     {  
  10.         a[k]=i&1;  
  11.         i>>=1;  
  12.         --k;  
  13.     }  
  14.     for(int k=0;k<8;++k)  
  15.     {  
  16.         if(a[k]!=a[k+1==8?0:k+1])  
  17.         {  
  18.             ++cnt;  
  19.         }  
  20.     }  
  21.     return cnt;  
  22. }  
  23.   
  24. int main()    
  25. {  
  26.     int cnt[9]={0};  
  27.     for(int i=0;i<256;++i)  
  28.     {  
  29.         cnt[getHopCount(i)]++;  
  30.     }  
  31.     for(int i=0;i<9;++i)  
  32.     {  
  33.         printf("跳变%d次的数目：%d\n",i,cnt[i]);  
  34.     }  
  35.     return 0;   
  36. }  

输出结果为：
跳变0次的数目：2
跳变1次的数目：0
跳变2次的数目：56
跳变3次的数目：0
跳变4次的数目：140
跳变5次的数目：0
跳变6次的数目：56
跳变7次的数目：0
跳变8次的数目：2
可见：56+2+1==59，所以有59维。

代码二：

[cpp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. //====================================================================    
  2. // 作者   : quarryman    
  3. // 邮箱   : quarrying{at}qq.com    
  4. // 主页   : http://blog.csdn.net/quarryman    
  5. // 日期   : 2013年08月11日    
  6. // 描述   : Uniform Pattern的LBP    
  7. //====================================================================   
  8. #include <cv.h>  
  9. #include <highgui.h>  
  10.   
  11. int getHopCount(uchar i)  
  12. {  
  13.     int a[8]={0};  
  14.     int k=7;  
  15.     int cnt=0;  
  16.     while(i)  
  17.     {  
  18.         a[k]=i&1;  
  19.         i>>=1;  
  20.         --k;  
  21.     }  
  22.     for(int k=0;k<8;++k)  
  23.     {  
  24.         if(a[k]!=a[k+1==8?0:k+1])  
  25.         {  
  26.             ++cnt;  
  27.         }  
  28.     }  
  29.     return cnt;  
  30. }  
  31.   
  32. void lbp59table(uchar* table)  
  33. {  
  34.     memset(table,0,256);  
  35.     uchar temp=1;  
  36.     for(int i=0;i<256;++i)  
  37.     {  
  38.         if(getHopCount(i)<=2)  
  39.         {  
  40.             table[i]=temp;  
  41.             temp++;  
  42.         }  
  43.         // printf("%d\n",table[i]);  
  44.     }  
  45. }  
  46.   
  47. void LBP(IplImage* src, IplImage* dst)  
  48. {  
  49.     int width=src->width;  
  50.     int height=src->height;  
  51.     uchar table[256];  
  52.     lbp59table(table);  
  53.     for(int j=1;j<width-1;j++)  
  54.     {  
  55.         for(int i=1;i<height-1;i++)  
  56.         {  
  57.             uchar neighborhood[8]={0};  
  58.             neighborhood[7] = CV_IMAGE_ELEM( src, uchar, i-1, j-1);  
  59.             neighborhood[6] = CV_IMAGE_ELEM( src, uchar, i-1, j);  
  60.             neighborhood[5] = CV_IMAGE_ELEM( src, uchar, i-1, j+1);  
  61.             neighborhood[4] = CV_IMAGE_ELEM( src, uchar, i, j+1);  
  62.             neighborhood[3] = CV_IMAGE_ELEM( src, uchar, i+1, j+1);  
  63.             neighborhood[2] = CV_IMAGE_ELEM( src, uchar, i+1, j);  
  64.             neighborhood[1] = CV_IMAGE_ELEM( src, uchar, i+1, j-1);  
  65.             neighborhood[0] = CV_IMAGE_ELEM( src, uchar, i, j-1);  
  66.             uchar center = CV_IMAGE_ELEM( src, uchar, i, j);  
  67.             uchar temp=0;  
  68.   
  69.             for(int k=0;k<8;k++)  
  70.             {  
  71.                 temp+=(neighborhood[k]>=center)<<k;  
  72.             }  
  73.             //CV_IMAGE_ELEM( dst, uchar, i, j)=temp;  
  74.             CV_IMAGE_ELEM( dst, uchar, i, j)=table[temp];  
  75.         }  
  76.     }  
  77. }  
  78.   
  79. int main()  
  80. {  
  81.     IplImage* img=cvLoadImage("lena.jpg", 0);  
  82.     IplImage* dst=cvCreateImage(cvGetSize(img),8,1);  
  83.     LBP(img,dst);  
  84.     cvNamedWindow("图像", 1);  
  85.     cvShowImage("图像", dst);  
  86.     cvWaitKey(0);  
  87.     cvDestroyAllWindows();  
  88.     cvReleaseImage(&img);  
  89.     cvReleaseImage(&dst);  
  90.   
  91.     return 0;  
  92. }  
输出图像为：



版权声明：本文为博主原创文章，未经博主允许不得转载。

顶
6
 
踩
0
主题推荐
opencv  邮箱  应用  博客  class  pre  cpp
猜你在找
移动跨平台开发一步到位
疯狂IOS讲义之Objective-C面向对象设计
移动手机APP测试从零开始（初级篇）
iOS8开发技术（Swift版）：屏幕适配
jQuery 视频教程
id="ad_frm_0" frameborder="0" scrolling="no" src="http://blog.csdn.net/common/ad.html?t=4&containerId=ad_cen&frmId=ad_frm_0" style="border-width: 0px; overflow: hidden; width: 988px; height: 90px;">
查看评论
5楼  interwangzi20122014-10-16 10:34发表 [回复] [引用] [举报]
博主，模式数量由原来的2的P次方种减少为 P ( P-1)+2种，所以256种应该变成58种啊
Re:  zkl999992015-01-17 10:11发表 [回复] [引用] [举报]
回复interwangzi2012：那个1 是其余的归为一个
4楼  zscnd20132014-10-08 16:19发表 [回复]
好个东西，赞一个，挺适合初学者参考学习
3楼  DongKhan2014-08-07 09:52发表 [回复]
很棒！终于找到了给出源码的了
2楼  anhuidaxue1002014-07-25 09:35发表 [回复]
赞！
1楼  zxl10534419422014-05-28 14:03发表 [回复]
写的不错，给个赞！
lien0906
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
LPB特征分析
松子茶的专栏
01-07 9105
局部二值模式(Local binary patterns,LBP)是机器视觉领域中用于描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点。它是由T. Ojala, M.Pietikäinen, 和 D. Harwood [1][2]在1994年提出，LBP在纹理分类问题上是一个非常强大的特征；如果LBP与HOG结合，则可以在一些集合上十分有效的提升检测效果。LBP是一个简单但非常有效的纹理运算符。它将各个像素与其附近的像素进行比较，并把结果保存为二进制数。由于其辨别力强大和计算简单，局部二值
LBP图像处理算法C++实现,基于opencv与VS,注释详细
05-10
LBP图像处理算法C++实现,基于opencv与VS,注释详细,常常应用于人脸识别领域，对光照改变不敏感，内涵两种实现方法
OpenCV——多分辨率LBP的计算方法
点云侠的博客
01-11 1322
多分辨率LBP计算的OpenCV代码实现
局部二值模式LBP
机器人视觉感知
03-25 3661
局部二值模式（Local Binary Patterns，LBP）是一种用于图像处理和计算机视觉中的特征描述符。它通过将每个像素与其周围像素进行比较，并将结果编码为二进制数来描述图像的纹理信息。LBP最初由芬兰奥卢大学的Timo Ojala、Matti Pietikainen和Topi Maenpaa于1994年在论文中提出。他们提出了一种用于纹理分析和识别的算法，并将其应用于人脸识别任务。
OPENCV中的LBPH算法
最新发布
2301_77444219的博客
06-14 323
LBPH（Local Binary Patterns Histograms，局部二值模式直方图）的原理主要基于LBP（Local Binary Patterns，局部二值模式）算法，并通过计算并比较图像中局部区域的LBP直方图来进行特征提取和识别。
LBP特征检测算子-人脸检测
凌少skier的小窝
06-27 516
简介 继续跟着datawhale组织学习LBP特征检测算子，人脸检测算法，虽然现在主流都是用深度学习了，但是学一下传统的方法，对于未来学习深度学习也会更加得心应手一些～ LBP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的特点，有点像vslam中的计算ORB的方法，再考虑描述子，来判断图像的旋转。LBP常用于人脸检测和目标检测，也可以使用LBP特征训练目标检测分类器的方法， 算法理论介绍 LBP原理介绍 我就大概总结一下原理吧，就不贴具体公式了，LBP特征就死利用图像的局部的联合概率分布，来
行人检测全局特征中的HOG、LBP、Haar特征整理
搬砖小松鼠的博客
03-11 1万+
原文地址：http://dataunion.org/20584.html （一）HOG特征 1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中，尤其在行
LBP(局部二进制模式)
u012507022的博客
06-11 1万+
LBP(Local Binary Patterns ,局部二进制模式)是一种理论简单、计算高效的非参数局部纹理特征描述子。由于其具有较高的特征鉴别力和较低的计算复杂度， 近期获得了越来越多的关注，在图像分析、计算机视觉和模式识别领域得到了广泛的应用，尤其是在纹理分类和人脸识别两个经典的模式识别问题中，LBP方法得到充分的研究和发展。
OpenCV——基本LBP的计算方法
点云侠的博客
06-01 1633
基本LBP计算的OpenCV代码实现。
opencv2提取图像LBP特征代码详解
陈俊岭的程序员之路（公众号求关注，方便交流）
04-15 6679
转自博客园： LBP特征提取
局部二值模式LBP的详细理解
weixin_48306625的博客
08-03 3013
局部二值模式LBP的噶几详细的理解 一个电脑小白的自我成长之路，总是这么的寂寞、孤独、无聊，却充满新奇、艰难，唯有坚韧不拔，持续奋斗，才可披荆斩棘、登临云端。各位看官们：“咋的，能不能上干货？” ，博主：“不好意思啦，让我卖弄一下我毕生所学的几个词语，显示一下我那学富五车的才华嘛。秋香上酸菜，翠花上酒，干货开始啦！” 1简介 局部二值模式：local binary patterns 即 LBP 介个东东是什么呢？想必各位看官应该都知道用途，我再会话几句。 1996年，T.Ojala等人提出
对LBP与HOG的理解
AshesOfTimeeee的博客
11-25 1376
LBP、HOG、SIFT LBP(Local Binary Pattern)，局部二值模式 一种描述图像局部纹理特征的算子 主要思想：： 通过比较图像区域中每个像素点与其邻域内像素点的灰度值，利用二进制模式表示的比较结果来描述图像的纹理特征。 HOG(Histogram Of Oriented Gradient)，方向梯度直方图 计算水平和垂直方向的梯度，再计算梯度的直方图。 ...
OpenCV图像特征提取学习三，LBP图像特征检测算法
weixin_44651073的博客
11-26 3364
LBP图像检测算法的基本原理
人脸检测--LBPH-局部二进制编码直方图
热门推荐
William Zhao's notes
03-21 1万+
近期做行人检测和人脸识别，用到opencv中的人脸识别的方法，对LBPH进行总结一下 先来点前言： 特征脸方法描述了一个全面的方法来识别人脸：面部图像是一个点，这个点是从高维图像空间找到它在低维空间的表示，这样分类变得很简单。低维子空间低维是使用主元分析(Principal Component Analysis,PCA)找到的，它可以找拥有最大方差的那个轴。虽然这样的转换是从最佳重建角度考虑的
LBP特征描述算子-人脸检测学习笔记
M1911616095的博客
06-28 748
LBP特征描述算子-人脸检测学习笔记LBP特征算子原理介绍人脸特征检测算法原理1.混合模式1.圆形LBP算子2.LBP旋转不变性及等价模式2.混合模式基于opencv实现人脸检测过程人脸检测结果演示 LBP特征算子原理介绍 LBP指局部 0，1二值模式，属于用来扫描图片的一种 特征算子，在 灰度不变性，旋转不变性方面具有显著的特点，通常检测图片里人脸局部特征时，基于opencv下使用LBP算子实现人脸特征识别，还可以将LBP具有的特征用于训练目标检测分类器。需要了解，LBP用于opencv计算的时候，不能提
OpenCV-图像特征提取算法3_LBP
12-01 3795
一，简介 LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出，用于纹理特征提取。 二、原始LBP特征描述及计算方法 2.1，算法描述        1）对图像中的所有点，以该点为中心，取3x3...
OpenCV实战5： LBP级联分类器实现人脸检测
知识搬运工的博客
03-13 4246
OpenCV中的HAAR与LBP数据 HAAR特征数据 参看 haarcascade_frontalface_alt.xml 各标签 LBP特征数据 参看 lbpcascade_frontalface.xml 各标签 HAAR与LBP的区别： HAAR特征是浮点数计算 LBP特征是整数计算 LBP训练需要的样本数量要比HAAR大 同样的...
OpenCV之LBP算法学习
simon曦的博客
12-20 1万+
目录 目录 前言 LBP算法概述 LBP算法原理 原始LBP特征描述及计算方法 参考链接 前言 LBP算法概述 LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的算子，LBP特征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
LBP简介
小村长技术blog
12-07 1万+
LBP(local binary pattern)是一种用来描述图像局部纹理特征的算子。原始的LBP于1994年提出，它反映内容是每个像素与周围像素的关系。后被不断的改进和优化，分别提出了LBP旋转不变模式、LBP均匀模式等。 一：原始的LBP    给出一个简单的案例计算LBP：如下图，周围8个像素点比中间点像素值大(或者相等)的记为1，小的记为0，这样就得到二值图，然后按顺时针方向得到二进
opencv lbp
09-02
OpenCV中的LBP（Local Binary Patterns）是一种用于图像纹理特征提取的算法。它的主要步骤如下： 1. 首先，将图像划分为小的区域（cell），通常是16×16像素的小区域。 2. 对于每个cell中的像素，将其与周围8个像素...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值