(二)OpenCV特征提取与检测_09_LBP特征检测

1. LBP(Local Binary Patterns)特征
   局部二值模式(Local Binary Pattern)主要用来实现2D图像纹理分析。其基本思想是用每个像素跟它周围的像素相比较得到局部图像结构，假设中心像素值大于相邻像素值则则相邻像素点赋值为1，否则赋值为0，最终对每个像素点都会得到一个二进制八位的表示，比如11100111。假设3x3的窗口大小，这样对每个像素点来说组合得到的像素值的空间为[0~2^8]。这种结果我称为图像的局部二值模式或者简写为LBP。
2. 9宫格描述子,周围8个像素值与中心像素值比较,小于中心则置0,大于中心则置1,从左上角开始顺时针排出8位2进制数字并转化为10进制数字。
3. 局部二值特征 点,点/平坦区,线，边缘，角点
4. 特性:
   旋转不变性,黑为0,白为1,旋转取LBP最小值 / 记录跳变次数
   尺度不变性,改变半径,提取多种模式的特征 / 金字塔
   亮度不变性,鲁棒性

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

Mat src, gray, dst;
void ELBP_Demo(int, void*);
int current_radius = 3;//LBP描述子半径
int max_count = 15;

int main(int argc, char** argv)
{
   
	src = imread("../path.jpg");
	if (src.empty())
	{
   
		cout << "could not load image1..." << endl;
		return -1;
	}

	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);

	cvtColor(src, gray, COLOR_BGR2GRAY);
	int width = gray.cols;
	int height = gray.rows;

	//详见https://www.bytefish.de/blog/local_binary_patterns/
	//基本LBP演示,注意图片大小：3*3的算子，除去边框
	//局部二值模式(Local Binary Pattern)主要用来实现2D图像纹理分析
	//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
	Mat LBP_img = Mat::zeros(height - 2, width - 2, CV_8UC1);//3*3描述子,减去两侧
	for (int row = 1; row < height