【图像处理】纹理检测算法

图像纹理检测算法

LBP检测算法

原文链接：https://blog.csdn.net/tiandijun/article/details/45561981
https://blog.csdn.net/andylanzhiyong/article/details/84707889
http://blog.csdn.net/zouxy09/article/details/7929531
LBP检测模式：
LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；LBP检测算法具有旋转不变性和灰度不变性等显著的优点。
原始的LBP算子定义为在33的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，33邻域内的8个点经比较可产生8位二进制数（通常转换为十进制数即LBP码，共256种），即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。
如上图所示实际应用中烟支之间紧密贴合，如下图所示而基本的LBP算子的最大缺陷在于它只覆盖了一个固定半径范围内的小区域，正常工作状态下能够稳定检测出正常烟支，但是在实际运行中，烟支异常状态具有恒大的不确定性，创这显然不能满足不同尺寸和频率纹理的需要。

为了适应不同尺寸和频率纹理的需要，并达到灰度和旋转不变性的要求，在实际应用中对LBP算子进行了改进，将3×3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，改进后的LBP算子允许在半径为R的圆形邻域内有任意多个像素点。从而得到了如下图的半径为R的圆形区域内含有P个采样点的LBP算子。

一个LBP算子可以产生不同的二进制模式，对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生P2种模式。纹理特征的检测算法中随着邻域集内采样点数的增加，二进制模式的种类是急剧增加的。为了防止过多的二值模式对于纹理的提取、识别、分类及信息的存取产生干扰。同时，过多的模式种类对于纹理的表达是不利的。因此，在实际检测中对原始的LBP模式进行降维，使得数据量减少的情况下能最好的代表图像的信息。
为了解决二进制模式过多的问题，提高统计性，方案中提出了采用一种“等价模式”来对LBP算子的模式种类进行降维。在烟支状态监控的实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类。
通过这样的改进，二进制模式的种类大大减少，而不会丢失任何信息。模式数量由原来的2P种减少为 P ( P-1)+2种，其中P表示邻域集内的采样点数。对于3×3邻域内8个采样点来说，二进制模式由原始的256种减少为58种，这使得特征向量的维数更少，并且可以减少高频噪声带来的影响。
因为，LBP算子得到的这个“特征”跟位置信息是紧密相关的。直接对两幅图片提取这种“特征”，并进行判别分析的话，会因为“位置没有对准”而产生很大的误差。实际应用中将一幅图片划分为若干的子区域，对每个子区域内的每个像素点都提取LBP特征，然后，在每个子区域内建立LBP特征的统计直方图。如此一来，每个子区域，就可以用一个统计直方图来进行描述；整个图片就由若干个统计直方图组成；
例如：一幅100100像素大小的图片，划分为1010=100个子区域（可以通过多种方式来划分区域），每个子区域的大小为1010像素；在每个子区域内的每个像素点，提取其LBP特征，然后，建立统计直方图；这样，这幅图片就有1010个子区域，也就有了1010个统计直方图，利用这1010个统计直方图，就可以描述这幅图片了。之后，我们利用各种相似性度量函数，就可以判断两幅图像之间的相似性了；

灰度共生矩阵算法：
数字图像处理—图像纹理特征
https://blog.csdn.net/wsp_1138886114/article/details/108709277
https://blog.csdn.net/guanyuqiu/article/details/53117507

【图像处理】纹理检测算法相关推荐

基于光电检测图像处理目标检测算法相较传统检测技术的优势
光电检测图像处理目标检测算法相较传统检测技术有以下几个优势: 速度更快:光电检测图像处理算法可以在较短的时间内处理大量的图像数据,而传统检测技术需要更长的时间来进行目标检测. 精度更高:光电检测图像处 ...
详解车道线检测算法之传统图像处理
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 / 导读 / 车道线检测算法分为传统图像处理方法和深度学习方法.本文详细介绍用传统图像处理方法来解决车 ...
图像处理之简单脸谱检测算法
from: http://blog.csdn.net/jia20003/article/details/7596443 图像处理之简单脸谱检测算法(Simple Face Detection Algo ...
数字图像处理——隐形眼镜缺陷检测算法
数字图像处理--隐形眼镜缺陷检测算法摘要:本文致力于寻找出一种具有较强鲁棒性的检测隐形眼镜边缘缺陷的方法.本文针对图像中物体几何形状的特殊性,提出了一种基于霍夫变换的缺陷检测算法,并在低噪声图像的 ...
深度学习图像处理目标检测图像分割计算机视觉 04--神经网络与误差反向传播BP算法
深度学习图像处理目标检测图像分割计算机视觉 04--神经网络与误差反向传播BP算法摘要一.神经元二.前馈网络 2.1 Delta学习规则 2.2 目标函数J(w) 三.误差反向传播算法(BP算法 ...
基于纹理的复杂环境下道路消失点检测算法
个人博客:wyxogo.top 标题基于纹理的复杂环境下道路消失点检测算法年份: 2014 年 6 月 GB/T 7714: [1]傅重添, 杨健, 路飞飞. 基于纹理的复杂环境下道路消失点检测算 ...
文献阅读笔记【5】：基于图像处理的膨胀圆裂缝检测算法
论文 | 基于图像处理的膨胀圆裂缝检测算法作者 | 吴玉龙,岳大森,丁勇,卢康昕,赵广辉期刊 | 材料与测试-无损检测-实验研究时间 | 2020 该文章提出了一种计算裂缝宽度的算法,其过程使 ...
python 图像处理角点检测算法 Harris和Shi-tomasi
一.使用opencv库调用实现编写Harris和Shi-tomasi算法最主要函数为: cv2.cornerHarris() cv2.goodFeaturesToTrack() 代码中注释有介绍其用 ...
深度学习图像处理目标检测图像分割计算机视觉 07--图像检索
深度学习图像处理目标检测图像分割计算机视觉 07--图像检索摘要一.传统的图像检索做法 1.1.相似颜色检索 1.2.相似纹理检索 1.3.相似形状检索 1.4.相似局部特征检索 1.5.Bag ...

【图像处理】纹理检测算法

图像纹理检测算法

【图像处理】纹理检测算法相关推荐

最新文章

热门文章