LBP特征

LBP(Local Binary Pattern)特征是一种灰度不变性纹理描述符,常用于图像处理和计算机视觉任务。本文介绍了原始LBP算子的工作原理,其通过比较像素点邻域灰度值来生成二进制数,进而形成特征。接着讨论了Ojala等人的改进版LBP算子,采用圆形邻域和旋转不变性,减少了特征维数。最后提到了在Python中实现LBP算子的方法。
摘要由CSDN通过智能技术生成

LBP特征

 

1. 原始的LBP的算子

每个像素点以其周围的8邻域像素的灰度值与自身灰度值比较【大于等于赋值为1,小于赋值为0】之后按顺时针/逆时针的方式平铺得到一个二进制数,此二进制数转十进制作为该像素点的LBP值(LBP描述符)

 

 

LBP算子具有灰度不变性:对整张图做不同的光照变化,都不会改变中心像素与邻域像素之间的相对像素的大小比较。

计算原图上的每个像素点的LBP值,利用全图所有像素点的LBP值的频数直方图归一化作为原图提取到的LBP特征,因为原始LBP算子的十进制值的范围在【0,255】,所以提取到的特征为256维。


此处提取的LBP特征可以放入分类器进行分类

 

2. 改进的LBP算子

因为原始的

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