LBP纹理特征
《Multiresolution gray-scale and rotation invariant texture classification with local binary patterns》文献阅读整理
前言
局部二值模式(Local Binary Pattern, LBP)是一种用来描述图像局部纹理特征的算法,反映的是图像像素点周围纹理变化情况,具有旋转不变性、灰度不变性(光照变化无影响)、计算复杂度低等优点。1994年首次由Timo Ojala, Matti Pietikainen等人提出,广泛应用于图像分析领域。
原始LBP特征
LBP特征提取图示: a)中红色部分为中心像素值。
总结后的计算过程如下:
1) 输入图像若为彩色图像,则将其灰度化,转化为仅含单通道像素的灰度图像;
2) 按照从左到右、从上到下的顺序依次遍历图像中的所有像素。对于每个像素而言,选取其为中心的3 * 3 邻域;
3) 对于每个邻域,以该邻域中心的像素值作为阈值,其四周的8个像素值与之进行比较,若值大于阈值像素的值,则该位置处被置为1,否则置为0;
4) 经过对比后,在3 * 3邻域内,其四周8个点可产生8位二进制数,将这8位二进制数依次排列组成二进制序列,这个二进制序列的十进制值就是邻域中心的LBP值;
5)对图像内的所有像素遍历后,可得到整幅图像中每个像素经编码后的LBP值,即最终产生的LBP特征。注意,所产生的LBP响应图也为灰度图。
注意!!!
有些论文或者方法中,作者们提取LBP特征时,常从中心像素值右侧中心的点开始排列已经经过比较的值。在Timo Ojala, M