LBP：local binary pattern 原理 & 接口 & 代码实现

一、LBP及原理

原理部分参考：https://www.jianshu.com/p/47ec293bf55d

作者：顽皮的石头7788121
链接：https://www.jianshu.com/p/47ec293bf55d
来源：简书

       LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征。

　　原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，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（通常转换为十进制数即LBP码，共256种），即得到该窗口中心像 素点的LBP值，并用这个值来反映该区域的纹理信息。

       对LBP特征向量进行提取的步骤：

     （1）首先将检测窗口划分为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；

 

二、接口

1. Matlab()

features = extractLBPFeatures(I)
features = extractLBPFeatures(I,Name,Value)

 

三、代码实现

brickWall = imread('bricks.jpg');
[r, c] = size(brickWall);


LBP_data = [];
count = 1;


for i = 2:r-1
    for j = 2:c-1
        threshold = brickWall(i, j);
        cell_data = [];
        cell_data(1) = brickWall(i-1, j-1) > threshold;
        cell_data(2) = brickWall(i-1, j) > threshold;
        cell_data(3) = brickWall(i-1, j+1) > threshold;
        cell_data(4) = brickWall(i, j+1) > threshold;
        cell_data(5) = brickWall(i+1, j+1) > threshold;
        cell_data(6) = brickWall(i+1, j) > threshold;
        cell_data(7) = brickWall(i+1, j-1) > threshold;
        cell_data(8) = brickWall(i, j-1) > threshold;
        
        cell_value = zeros(1, 8);
        for k = 1:8
            for kk = 0:7
                index = kk + k;
                if index<=8
                    cell_value(k) = cell_value(k) + cell_data(index) * 2^(8-kk-1);
                else
                    index = index - 8;
                    cell_value(k) = cell_value(k) + cell_data(index) * 2^(8-kk-1);
                end
            end
        end
        
        LBP_data(count) = min(cell_value);
        count = count + 1;
    end
end


freq = zeros(1, 255);
for i = 0:255
   freq(i+1)=length(find(LBP_data == i));
end
freq = freq ./ sqrt(sum(freq .^2));

figure, histogram(freq, 59);