LBP（局部二值模式）是一种具有灰度不变性和旋转不变性的图像特征描述算子，常用于人脸检测和目标检测。通过与中心像素比较，3*3邻域内的8个像素点生成LBP码，反映区域纹理信息。尽管原始LBP有局限，但后续的改进如Extended LBP、Uniform Pattern LBP和MB-LBP解决了尺度问题。LBP特征通常通过统计直方图用于分类识别，通过对图像子区域的LBP直方图进行比较，评估图像间的相似性。
LBP概念：
LBP为局部二值模式，用于描述图像局部特征的算子，其具备灰度不变性和旋转不变性。
（灰度不变性：光照变化不会对描述产生影响，因为光照产生的是区域性质的变化）
（旋转不变性：对图像进行旋转后，提取的特征不会发生变化）
LBP主要用在人脸检测和目标检测方面。
1、LBP特征的描述
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。如下图所示：
(从左上角的点开始按顺时针方向依次写)
其缺点很明显——它只覆盖了一个固定半径范围内的小区域，无法满足不同尺寸和频率纹理的需要。
由于原始LBP特征使用的是固定邻域内的灰度值，因此当图像的尺度发生变化时，LBP特征的编码将会发生错误，LBP特征将不能正确的反映像素点周围的纹理信息，因此研究人员对其进行了改进。有Extended LBP(Circular LBP)、Uniform Pattern LBP特征、MB-LBP特征（Multiscale Block LBP&#x
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
