简介
对于二维的纹理分析,具有很多潜在的应用。例如,工业表层检查,远程监控,生物制药图像分析等等领域。但是在实际应用时,会存在很多问题。主要的问题在于现实世界中的纹理并不像实验中的那么规整,存在着很多变化,例如:
- 由于非均匀光源导致的光照变化;
- 实际的情况下,物体方向是随机的;
- 空间尺度不一致。
而且,很多纹理分类的方法计算复杂度过高,难以实用化。为了解决这些问题,可以采用改进型的局部二值模式进行纹理分类。
改进型的局部二值模式(Local Binary Patterns)具有以下优点:
- 具有灰度不变性;
- 具有旋转不变性;
- 能够多分辨率分析;
并且,由于局部二值模式计算复杂度较低,因此,是一种很实用的图像处理方法。这里,我用简单的语言简述一下LBP的各种特性和纹理分类方法。
------------------------------------------------------------------------------------------------------------------
局部二值模式
首先,我们考虑一幅图像上的一个像素点,以及该像素点的八邻域。如下图(左)所示,我们考虑九宫格内的中心像素点,假设为“6”。周围像素点的数值如图上所示。这时,我们将八邻域中,数值大于等于中心像素点的记为“1”,数值小于中心像素点的记为“0”。这时,我们得到下图(右)。这就是基本的局部二值模式(Local Binary Patterns)。之所以叫作“二值”,是因为LBP之后的模式只有0和1两个数值(同理,可以定义三值模式)。