Java使用OpenCv提取图片HOG和LBP特征

因为大创项目学习,就去找了找关于OpenCv和图片处理的相关知识,话不多说,言归正传。

什么是HOG和LBP特征?

LBP详解:https://blog.csdn.net/zhangjunp3/article/details/80014696

HOG详解:https://blog.csdn.net/kuweicai/article/details/78981150

OpenCv:https://opencv.org/

Java代码:

HOG:

public static float[] openCVGetHog(Mat imageMat) {
	HOGDescriptor hog = new HOGDescriptor(new Size(Constant.PICTURE_SIZE_WIDTH, Constant.PICTURE_SIZE_HEIGHT), new Size(16, 16), new Size(8, 8), new Size(8, 8), 9);
	MatOfFloat descriptorsOfMat = new MatOfFloat();
	hog.compute(imageMat, descriptorsOfMat);
	return descriptorsOfMat.toArray();
}

LBP:

代码还没找到,Java在Android里的API调用

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1. 提取图像矩特征 图像矩(Image Moment)是图像处理中一种基本的形状描述方法,它可以用来描述图像的几何特征和灰度特征。图像矩特征包括中心矩、标准化中心矩、Hu矩等。 下面是使用OpenCV提取图像矩特征的代码示例: ```python import cv2 # 读取图像 img = cv2.imread('test.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 计算图像矩 m = cv2.moments(gray) # 计算中心矩 cx = int(m['m10'] / m['m00']) cy = int(m['m01'] / m['m00']) # 计算标准化中心矩 nu20 = m['mu20'] / m['m00'] nu02 = m['mu02'] / m['m00'] nu11 = m['mu11'] / m['m00'] # 计算Hu矩 hu = cv2.HuMoments(m) ``` 2. 提取HOG特征 HOG(Histogram of Oriented Gradients)特征是一种用于图像识别和检测的特征描述子,它可以通过计算图像中每个像素点的梯度方向和大小,进而得到图像的特征向量。 下面是使用OpenCV提取HOG特征的代码示例: ```python import cv2 # 读取图像 img = cv2.imread('test.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 计算HOG特征 winSize = (64, 64) blockSize = (16, 16) blockStride = (8, 8) cellSize = (8, 8) nbins = 9 hog = cv2.HOGDescriptor(winSize, blockSize, blockStride, cellSize, nbins) feat = hog.compute(gray) ``` 3. 提取LBP特征 LBP(Local Binary Pattern)特征是一种用于图像分类和识别的局部纹理特征描述子,它可以通过对图像中每个像素点的局部区域进行二值化处理,得到一个二进制序列,并将该序列转换为十进制数作为该像素点的LBP特征值。 下面是使用OpenCV提取LBP特征的代码示例: ```python import cv2 # 读取图像 img = cv2.imread('test.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 计算LBP特征 radius = 1 n_points = 8 * radius lbp = cv2.ORB_create(n_features=1000, scaleFactor=1.2, nlevels=8, edgeThreshold=15, firstLevel=0, WTA_K=2, patchSize=31, fastThreshold=20) feat = lbp.detectAndCompute(gray, None) ``` 以上是三种常用的图像特征提取方法的Python实现,可以根据需要选择并应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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