本文介绍了如何利用opencv-python结合ski-image库，实现指静脉图像的LBP（局部二进制模式）特征提取。首先解释了LBP的基本原理和旋转不变性的实现方式，接着推荐使用ski-image的封装函数简化操作。然后，详细阐述了从获取LBP图像到分块、统计直方图、归一化和特征向量拼接的步骤。最后，提供了自定义函数LBP_hist的代码实现，并展示了LBP特征向量的结果。
LBP：
我对original LBP的理解是：对一个灰度图像的每个像素，用这个像素周围一格或者N格的其他像素做比较，最后将这周围（一般是8个）得到的比较结果串起来得到一个8位二进制的串，用这个8位二进制数在一个同等大小的矩阵中的同等位置替代原来像素信息，遍历整个图像即可得到这副图像的LBP图像。原理上来说，original LBP 具有灰度不变性。而如果用一个圆形的8个（或者更多）等分点来代替原来的矩形，并且将最后得到8位二进制的串进行移位，使得最后的串值最小，这样的LBP就具有了旋转不变性。
当然LBP 还有其他的形式，点击这里你的雷哥的博客可以帮助了解。
网上很多博客都介绍了如何实现LBP的提取，但是我有点累。。。不想造轮子了。
于是推荐大家使用 ski-image，这个包里对各种LBP的方法有一个很友好的封装。
下面是有关这个函数local_binary_pattern的截图
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
7332
