opencv图像处理学习（七十四）——局部二值模式(LBP)

  LBP是一种描述图像局部纹理的特征算子，该算子具有旋转不变性与灰度不变性等显著优点。 以窗口中心像素为阈值，将其相邻8淋雨像素灰度与中心像素值比较，若周围像素值大于中心像素值，则该中心像素位置被标记为1，否则为0，通过计算得到的窗口中心像素点LBP码可以用来反映该窗口的区域纹理特征特征信息，经典LBP的数学表达式如下：
$$LBP(x_c,y_c)=\sum _{n=0}^{n-1}{2}^n\psi (i_n-i_c)$$
  其中，$\psi (x)=\{\begin{array}{ll}1& x>0\\ 0& x<0\end{array}$,为了区分中心点等于还是大于邻域像素点，引入LBP+和LBP-因子。

  圆形LBP的基本思想是将局部纹理分布作为当前像素灰度的联合概率分布，将正方形窗口扩展到任意圆形邻域，满足半径为R采样到N个像素点，对于非整数坐标像素，采用近邻域插值或双线性插值。

cv::Mat OLBP(cv::Mat srcImage)
{
	const int nRows = srcImage.rows;
	const int nCols = srcImage.cols;
	cv::Mat resultMat(srcImage.size(), srcImage.type());

	for (int y = 1; y < nCols - 1; y++)
	{
		for (int x = 1; x < nRows - 1; x++)
		{
			uchar neighbor[8] = { 0 };
			neighbor[0] = srcImage.at<uchar>(x - 1, y - 1);
			neighbor[1] = srcImage.at<uchar>(x , y - 1);
			neighbor[2] = srcImage.at<uchar>(x + 1, y - 1);
			neighbor[3] = srcImage.at<uchar>(x + 1, y );
			neighbor[4] = srcImage.at<uchar>(x + 1, y + 1);
			neighbor[5] = srcImage.at<uchar>(x, y + 1);
			neighbor[6] = srcImage.at<uchar>(x - 1, y + 1);
			neighbor[7] = srcImage.at<uchar>(x - 1, y);

			uchar center = srcImage.at<uchar>(x, y);
			uchar temp = 0;

			for (int k = 0; k < 8; k++)
			{
				temp += (neighbor[k] >= center) * (1 << k);
			}

			resultMat.at<uchar>(x, y) = temp;
		}
	}

	return resultMat;
}