LBP统计直方图Python代码实现

最新推荐文章于 2023-03-18 09:29:13 发布

算法玩不起

最新推荐文章于 2023-03-18 09:29:13 发布

阅读量4.2k

点赞数 9

分类专栏： LBP

本文链接：https://blog.csdn.net/qq_18566467/article/details/103672247

版权

LBP 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

LBP统计直方图分为整体统计和分块统计

1、整体统计

即将生成的LBP特征进行整幅图像的统计，这样做的缺点时丢失了位置信息，但是维度较小。

实现代码：

假设生成的LBP特征如下面所示，大小为6×18

14 15 31 30 6 19 16 1 227 225 201 189 54 0 33 193 255 255
16 0 25 0 3 243 224 193 225 249 252 20 32 225 229 207 159 52
248 252 252 70 207 239 231 231 239 255 60 32 235 253 134 131 185 0
254 60 4 7 131 143 7 143 159 62 36 67 249 24 4 227 251 76
61 48 0 129 249 144 1 139 31 62 2 235 255 124 4 231 251 16
188 124 226 255 252 100 195 221 28 14 71 255 190 52 0 199 255 112

现在对上面的数据进行统计，使用整体统计，就会输出一个256维的向量，统计每个数字出现多少次，首先将上面的数字拷贝到txt文件中，方便我们读取，代码如下：

import numpy as np
np.set_printoptions(threshold = 1e6)
def Lbp(image):
    l = np.zeros(256, dtype=int)
    for a in range(6):
        for b in range(18):
            l[image[a][b]] = l[image[a][b]] + 1
    lbp2 = np.array(l)
    lbp2 = lbp2.reshape(1, -1)
    return lbp2

if __name__ == '__main__':
    image = np.loadtxt(r'./1.txt', delimiter=" ", dtype=int)
    LBP_zhifangtu = Lbp(image)
    print(LBP_zhifangtu)

运行结果如下：

[[6 2 1 1 3 0 1 2 0 0 0 0 0 0 2 1 3 0 0 1 1 0 0 0 1 1 0 0 1 0 1 2 2 1 0 0
  1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 2 0 1 0 0 0 0 0 2 1 2 0 0 0 0 1 0 0 1 1
  0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
  0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 1 0 2 0 0 1 0 0 0 0 1 0 0 0 2
  1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 1 0 0 1 1 1 0 0 2 0 1 0 0 0 1 0 1 0 0 0 0 0 2 0 0 0 0 0 0 0 0
  0 0 0 0 0 1 0 0 1 3 1 2 0 1 0 3 0 0 0 2 0 0 0 2 0 0 0 1 0 0 0 0 1 3 0 2
  4 1 1 7]]

2、分块统计

分块统计是指将LBP特征图分成几块，假设一张LBP直方图为36×36，那么取子模块大小为6×6窗口大小，依次统计直方图，共计可以统计出36个0-255的统计直方图，将这36个直方图依次连接起来，就为最终的LBP统计直方图。

我们的数据依然是上面的数据，大小为6×18：

14 15 31 30 6 19 16 1 227 225 201 189 54 0 33 193 255 255
16 0 25 0 3 243 224 193 225 249 252 20 32 225 229 207 159 52
248 252 252 70 207 239 231 231 239 255 60 32 235 253 134 131 185 0
254 60 4 7 131 143 7 143 159 62 36 67 249 24 4 227 251 76
61 48 0 129 249 144 1 139 31 62 2 235 255 124 4 231 251 16
188 124 226 255 252 100 195 221 28 14 71 255 190 52 0 199 255 112

现在假设选择窗口大小为6×6，依次提取直方图，然后组合为统计直方图，则统计直方图维度为1×3×256

实现代码：

import numpy as np
import os
np.set_printoptions(threshold = 1e6)
# 设定窗口大小
gao = 6
kuan = 6
def Lbp(image):
    cude = []
    h, w = image.shape
    for i in range(0, int(h/gao)):
        for j in range(0, int(w/kuan)):
            m = image[i*gao:i*gao+gao, j*kuan:j*kuan+kuan]
            l = np.zeros(256, dtype=int)
            for a in range(gao):
                for b in range(kuan):
                    l[m[a][b]] = l[m[a][b]] + 1
            cude.append(l)
    lbp = np.array(cude)
    lbp1 = []
    for m in range(0, int(int(h/gao)*int(h/kuan))):
        for i in lbp[m]:
            lbp1.append(i)
    lbp2 = np.array(lbp1)
    lbp2 = lbp.reshape(1,-1)
    return lbp2

if __name__ == '__main__':
        image = np.loadtxt(r'./1.txt', delimiter=" ", dtype=int)
        LBP_zhifangtu = Lbp(image)
        print(LBP_zhifangtu)

运行结果如下：

[[3 0 0 1 1 0 1 1 0 0 0 0 0 0 1 1 1 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 0
  0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1
  1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 0 0
  3 0 1 1 0 2 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1
  1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 2 0 0 0 0 1
  0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
  0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 1 0 0 1 2 0 1 0 0 0 2 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0
  0 1 0 0 1 0 0 2 3 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0
  0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 1 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 0
  0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
  0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 1
  0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 1 0 0 0 1 0 0 0 0 0 0 0 0
  0 0 0 0 0 1 0 2 0 1 0 4]]