OpenCV與圖像處理學習十五——LBP紋理特征（含代碼）

• 一、LBP介紹
• 二、LBP原理
• 三、代碼應用

一、LBP介紹

LBP（Local Binary Pattern， 局部二值模式） ， 是一種用來描述圖像局部紋理特征的算子； 它具有旋轉不變性和灰度不變性等顯著的優點；

作者： T. Ojala, M.Pietik?inen, 和 D. Harwood ；

提出時間： 1994年

二、LBP原理

LBP算子定義在一個 3 × 3 的窗口內， 以窗口中心像素為閾值， 與相鄰的8個像素的灰度值比較， 若周圍的像素值大于中心像素值， 則該位置被標記為1； 否則標記為0。如此可以得到一個8位二進制數（通常還要轉換為10進制， 即LBP碼， 共256種） ， 將這個值作為窗口中心像素點的LBP值， 以此來反應這個3× 3區域的紋理信息。

用數學公式表示：

其中， p表示 3 × 3 窗口中除中心像素點外的第p個像素點；I( c )表示中心像素點的灰度值， I( p )表示領域內第p個像素點的灰度值；s(x)公式如下：

LBP記錄的是中心像素點與領域像素點之間的差值;

當光照變化引起像素灰度值同增同減時， LBP變化并不明顯;

LBP對與光照變化不敏感， LBP檢測的僅僅是圖像的紋理信息；

三、代碼應用

import cv2 import numpy as npdef LBP(src):''':param src:灰度圖像: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()

輸入的圖像（灰度變化后的）：

LBP特征變化后的結果：

ps：這個特征提取的過程稍微有點慢。。。

總結

以上是生活随笔為你收集整理的OpenCV与图像处理学习十五——LBP纹理特征（含代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。