LBP纹理特征整理 & 文献阅读整理

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