LBP算法

LBP(Local Binary Patterns)，即局部二值模式，是一种描述图像局部空间结构的非参数算子。芬兰Oulu大学的T.Ojala等人于1996年提出这个算子用来分析图像纹理特征，并且描述了它在纹理分类中的强区分能力。LBP算子定义为一种灰度尺度不变的纹理算子，是从局部邻域纹理的普通定义得来的。
基本思想是：用中心像素的灰度值作为阈值，与它的邻域相比较得到的二进制码来表述局部纹理特征。
在纹理分析方面，LBP算子是最好的纹理描述符之一，它的主要优点有以下几点：

• 通过它的定义可知，LBP算子的灰度尺度不随任何单一变换而变化，因此灰度尺度的鲁棒性好，也就是光照条件下的鲁棒性好；
• 计算速度快。由于它可以通过在小邻域内进行比较操作得到，使得在复杂的实时条件下分析图像成为可能；
• 由于LBP算子是一种无参数(Non-Parametric)的方法，在应用过程中不需要对它的分布进行预先假设。

1.原始LBP算法

一个LBP操作可以被定义为

$LBP(x_{c},y_{c})=\sum_{p=0}^{p-1} 2^p s(i_p-i_c)$
其中， $(x_c,y_c)$代表3x3邻域的中心元素，它的像素值为 $i_c$，邻域内其他像素的值为 $i_p$。 $s(x)$为符号算子，

s(x