一、LBP介绍

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；它具有旋转不变性和灰度不变性等显著的优点；

作者： T. Ojala, M.Pietikäinen, 和 D. Harwood ；

提出时间： 1994年

二、LBP原理

LBP算子定义在一个 3 × 3 的窗口内，以窗口中心像素为阈值，与相邻的8个像素的灰度值比较，若周围的像素值大于中心像素值，则该位置被标记为1；否则标记为0。如此可以得到一个8位二进制数（通常还要转换为10进制，即LBP码，共256种）， 将这个值作为窗口中心像素点的LBP值，以此来反应这个3× 3区域的纹理信息。

用数学公式表示：

其中， p表示 3 × 3 窗口中除中心像素点外的第p个像素点；I( c )表示中心像素点的灰度值， I( p )表示领域内第p个像素点的灰度值；s(x)公式如下：

LBP记录的是中心像素点与领域像素点之间的差值;
当光照变化引起像素灰度值同增同减时， LBP变化并不明显;
LBP对与光照变化不敏感， LBP检测的仅仅是图像的纹理信息；

三、代码应用

import cv2
import numpy as npdef LBP(src):''':param src:灰度图像:return:'''height = src.shape[0]width = src.shape[1]dst = src.copy()lbp_value = np.zeros((1, 8), dtype=np.uint8)# print(lbp_value)neighbours = np.zeros((1, 8), dtype=np.uint8)# print(neighbours)for x in range(1, width - 1):for y in range(1, height - 1):neighbours[0, 0] = src[y - 1, x - 1]neighbours[0, 1] = src[y - 1, x]neighbours[0, 2] = src[y - 1, x + 1]neighbours[0, 3] = src[y, x - 1]neighbours[0, 4] = src[y, x + 1]neighbours[0, 5] = src[y + 1, x - 1]neighbours[0, 6] = src[y + 1, x]neighbours[0, 7] = src[y + 1, x + 1]center = src[y, x]for i in range(8):if neighbours[0, i] > center:lbp_value[0, i] = 1else:lbp_value[0, i] = 0lbp = lbp_value[0, 0] * 1 + lbp_value[0, 1] * 2 + lbp_value[0, 2] * 4 + lbp_value[0, 3] * 8 \+ lbp_value[0, 4] * 16 + lbp_value[0, 5] * 32 + lbp_value[0, 6] * 64 + lbp_value[0, 7] * 128# print(lbp)dst[y, x] = lbpreturn dstimg = cv2.imread('image/people.jpg', 0)
print(img.shape)
cv2.imshow('src', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
new_img = LBP(img)cv2.imshow('dst', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入的图像（灰度变化后的）：

LBP特征变化后的结果：

ps：这个特征提取的过程稍微有点慢。。。

OpenCV与图像处理学习十五——LBP纹理特征（含代码）相关推荐

OpenCV与图像处理学习十二——图像形状特征之HOG特征
OpenCV与图像处理学习十二--图像形状特征之HOG特征一.图像特征理解 1.1 颜色特征 1.2 纹理特征 1.3 形状特征 1.4 空间关系特征二.形状特征描述 2.1 HOG特征 2.1. ...
OpenCV与图像处理学习十六——模板匹配
OpenCV与图像处理学习十六--模板匹配一.模板匹配介绍二.代码应用一.模板匹配介绍模板匹配是一种最原始.最基本的模式识别方法,研究某一特定目标的图像位于图像的什么地方,进而对图像进行定位. ...
OpenCV与图像处理学习十四——SIFT特征（含代码）
OpenCV与图像处理学习十四--SIFT特征(含代码) 一.SIFT算法二.SIFT实现过程三.代码实现一.SIFT算法 SIFT, 即尺度不变特征变换算法(Scale-invariant f ...
OpenCV与图像处理学习十——区域生长算法（含代码）
OpenCV与图像处理学习十--区域生长算法(含代码) 一.区域生长算法概要二.区域生长算法原理三.代码应用一.区域生长算法概要区域生长是一种串行区域分割的图像分割方法.区域生长是指从某个像素 ...
OpenCV与图像处理学习八——图像边缘提取（Canny检测代码）
OpenCV与图像处理学习八--图像边缘提取(Canny检测代码) 一.图像梯度 1.1 梯度 1.2 图像梯度二.梯度图与梯度算子 2.1模板卷积 2.2 梯度图 2.3 梯度算子 2.3.1 R ...
python+OpenCV笔记（三十五）：特征匹配——基于FLANN的匹配、基于FLANN进行单应性匹配
目录一.基于FLANN的匹配 FLANN匹配流程: 代码编写二.基于FLANN进行单应性匹配什么是单应性? FLANN进行单应性匹配流程代码编写 FLANN库全称是Fast Library f ...
OpenCV与图像处理学习五——图像滤波与增强：线性、非线性滤波、直方图均衡化与Gamma变换
OpenCV与图像处理学习五--图像滤波与增强:线性.非线性滤波.直方图均衡化与Gamma变换三.图像滤波与增强 3.1 线性滤波 3.1.1 方框滤波 3.1.2 均值滤波 3.1.3 高斯滤波 ...
OpenCV与图像处理学习六——图像形态学操作：腐蚀、膨胀、开、闭运算、形态学梯度、顶帽和黑帽
OpenCV与图像处理学习六--图像形态学操作:腐蚀.膨胀.开.闭运算.形态学梯度.顶帽和黑帽四.图像形态学操作 4.1 腐蚀和膨胀 4.1.1 图像腐蚀 4.1.2 图像膨胀 4.2 开运算与闭运 ...
OpenCV与图像处理学习七——传统图像分割之阈值法（固定阈值、自适应阈值、大津阈值）
OpenCV与图像处理学习七--传统图像分割之阈值法(固定阈值.自适应阈值.大津阈值) 一.固定阈值图像分割 1.1 直方图双峰法 1.2 OpenCV中的固定阈值分割二.自动阈值图像分割 2.1 ...

OpenCV与图像处理学习十五——LBP纹理特征（含代码）

OpenCV与图像处理学习十五——LBP纹理特征（含代码）

一、LBP介绍

二、LBP原理

三、代码应用

OpenCV与图像处理学习十五——LBP纹理特征（含代码）相关推荐

最新文章

热门文章