特征提取方法—LBP

__hylan__

已于 2023-01-26 09:20:53 修改

阅读量1.5k

点赞数 3

分类专栏： OpenCV 文章标签：计算机视觉图像处理

于 2023-01-26 00:40:00 首次发布

本文链接：https://blog.csdn.net/qq_53457019/article/details/128763481

版权

OpenCV 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

什么是LBP？

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（算子是一个函数空间到函数空间上的映射 $O : X ➡ X^{'}$ ），图像与其LBP图像如下图所示。

图1：原图像与其LBP图像

LBP发展历程

LBP的发展历程如下图所示。

图2：LBP发展历程

原始LBP

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。

$3 * 3$ 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 $2^8=256$ 种，每一种称为一种模式），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。

原始LBP如下图所示。

图3：原始 LBP 值计算

原始 LBP 只具备光照不变性，并不具备尺度不变性和旋转不变性。

圆形LBP

原始 LBP 算子只覆盖了一个固定半径范围内的小区域，不能满足不同尺寸和频率纹理的需要。

为了适应不同尺度的纹理特征，并达到灰度和旋转不变性的要求，Ojala 等对 LBP 算子进行了改进，将 $3 * 3$ 邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，改进后的 LBP 算子允许在半径为 R 的圆形邻域内有任意多个像素点。从而得到了诸如半径为R的圆形区域内含有P个采样点的LBP算子。

图4：圆形 LBP 示意及说明

旋转不变模式

从LBP的定义可以看出，LBP算子不是旋转不变的。图像的旋转就会得到不同的LBP值，如下图所示。

图5：LBP 不具备旋转不变性
Maenpaa等人又将LBP算子进行了扩展，提出了具有旋转不变性的局部二值模式算子，即不断旋转圆形邻域得到一系列初始定义的LBP值，取其最小值作为该邻域的LBP值。

如下图所示，对于以下8种不同旋转角度的LBP值特征，它们的LBP值均为15（即最小值，其二进制表示为00001111），因此图像的LBP特征就具有了旋转不变性。

图6：旋转不变模式示意

等价模式

一个LBP算子可以产生不同的二进制模式，对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生 $2^P$ 种模式。很显然，随着邻域集内采样点数的增加，二进制模式的种类是急剧增加的。大量的二值模式种类无论对于纹理的提取还是对于纹理的识别、分类及信息的存取都是不利的。

同时，过多的模式种类对于纹理的表达是不利的。例如，将LBP算子用于纹理分类或人脸识别时，常采用LBP模式的统计直方图来表达图像的信息，而较多的模式种类将使得数据量过大，且直方图过于稀疏。因此，需要对原始的LBP模式进行降维，使得数据量减少的情况下能最好的代表图像的信息。

为了解决二进制模式过多的问题，提高统计性，Ojala提出了采用一种“等价模式”（Uniform Pattern）来对LBP算子的模式种类进行降维。

Ojala等认为，在实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，Ojala将“等价模式”定义为：当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类。如00000000（0次跳变），00000111（只含一次从0到1的跳变），10001111（先由1跳到0，再由0跳到1，共两次跳变）都是等价模式类。除等价模式类以外的模式都归为另一类，称为混合模式类，例如10010111（共四次跳变）。

通过这样的改进，二进制模式的种类大大减少，而不会丢失任何信息。模式数量由原来的 $2^P$ 种减少为 $P (P - 1) + 3$ （3 是由全 0 或全 1 这两类加上混合模式类构成）种，其中P表示邻域集内的采样点数。