最近一直在看LBP的东西,就说说LBP吧。先从最基本的LBP说起,LBP的全称是Local Binary
Pattern即局部二值模式,是局部信息提取中的一种方法。目前LBP有很多应用,如人脸识别,表情识别等。局部信息有很多,比如HOG,SIFT等等。那么我们为什么要提取局部特征呢?原因很简单,因为一幅图像的信息比较多,如灰度,边缘等等,计算机很难处理这种复杂的信息,所以就需要对这些信息进行处理。
LBP就是一种局部信息,它反应的内容是每个像素与周围像素的关系。举最基本的LBP为例,它反应了像素与周围8个点灰度值的关系,如下图所示:
如上图所示,中间像素的灰度值为54,我们如下定义:当周围像素的灰度值大于等于中间像素值时,则LBP的一位值为1,否则为零。由这个九宫格,我们就得到了8位二进制数,顺时针取值,就得到了一个像素的LBP值,即11010011。那么我们如何表示这个二进值数呢,很简单,我们将它转化为十进制数即可,也就是211,即这一点的LBP值为211。就这样对整个图像进行LBP运算,就可以得到这幅图像的LBP特征。但是得到这些特征有什么作用呢?提取图像特征的目标无非就是为了进行分类,我们把一幅灰度图像转化为了LBP特征图像,从理论上讲并没有实现降维,