纹理特征提取（1）：LBP

最新推荐文章于 2021-03-16 21:54:08 发布

YiWeiYH

最新推荐文章于 2021-03-16 21:54:08 发布

阅读量537

点赞数

分类专栏： DIP DIP-文档识别

本文链接：https://blog.csdn.net/weixin_40929406/article/details/78824094

版权

本文介绍了纹理特征提取中的LBP（Local Binary Patterns）方法，包括基本算法、灰度直方图统计以及旋转不变性的实现。通过双线性插值处理圆形邻域的空缺，并探讨了Ojala的等价模式概念。

摘要由CSDN通过智能技术生成

最近在处理图片分类，想用纹理特征作输入。关于这方面的整理已经有很多，不过还是系统列一下，会掌握深刻一点。

LBP（Local Binary Patterns）：

基本算法就是，对于一个像素值的邻域上的值，比中心像素值小的，置0；比中心像素值大的，置1.这样再根据邻域的0、1值，生成二进制数。这样我们最后会得到一张纹理图。但往往不直接用这张图片作为训练输入，而是使用灰度直方图。统计每个灰度的值之后，用统计后的图作为输入。在实现上，还会将纹理图分成不同的grid，对每一个grid进行统计。假如x、y方向分了3、4份，则有12份grids。假如灰度值有256个，则最后统计的直方图大小为12*256（rows*cols）。

实现时往往使用圆形邻域。但圆形邻域的像素位置上可能并没有像素值，因此需要用到双线性插值计算。代码：

// 圆形邻域LBP
Mat Pre::circleNeighbor() {
    Mat result;
    result.create(img.rows - radius * 2, img.cols - radius * 2, img.type());
    result.setTo(0);

    for (int n = 0; n<neighbors; n++)
    {
        // sample points
        float x = static_cast<float>(radius * cos(2.0*CV_PI*n / static_cast<float>(neighbors)));//这一步没有细看 找采样点坐标
        float y = static_cast<float>(-radius * s