OpenCV之LBP

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。

6
 
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!
  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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