Datawhale计算机视觉基础-图像处理（下）-Task03 LBP特征描述算子-人脸检测

3.1LBP算法原理介绍

LBP特征用图像的局部领域的联合分布T 来描述图像的纹理特征，如果假设局部邻域中像素个数为P(P>1)，那么纹理特征的联合分布TTT 可以表述成：

其中， $g_c$ 表示相应局部邻域的中心像素的灰度值， $g_p$ 表示以中心像素圆心,以R为半径的圆上的像素的灰度值。
通俗解释：

原始的LBP算子定义在像素3∗3333∗3的邻域内，以邻域中心像素为阈值，相邻的8个像素的灰度值与邻域中心的像素值进行比较，若周围像素大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3∗3333∗3邻域内的8个点经过比较可产生8为二进制数，将这8位二进制数依次排列形成一个二进制数字，这个二进制数字就是中心像素的LBP值，LBP值共有28种可能，因此LBP值有256种可能。中心像素的LBP值反映了该像素周围区域的纹理信息。

import cv2 as cv


#读取原始图像
img = cv.imread('../Desktop/CV识别（下）/u=.jpg')

face_detect = cv.CascadeClassifier("../Desktop/CV识别（下）/lbpcascade_frontalface_improved.xml")
#检测人脸
#灰度处理
gray = cv.cvtColor(img,code = cv.COLOR_BGR2GRAY)
print(gray)

#检查人脸 按照1.1倍放大 周围最小像素为5
face_zone = face_detect.detectMultiScale(gray,scaleFactor = 2,minNeighbors=5)#maxsize = (55,55)
print ('识别人脸的信息：\n',face_zone)

# 绘制矩形和圆形检测人脸
for x, y, w, h in face_zone:
    # 绘制矩形人脸区域
    cv.rectangle(img, pt1 = (x, y), pt2 = (x+w, y+h), color = [0,0,255], thickness=2)
    # 绘制圆形人脸区域 radius表示半径
    cv.circle(img, center = (x + w//2, y + h//2), radius = w//2, color = [0,255,0], thickness = 2)
# 设置图片可以手动调节大小
cv.namedWindow("Easmount-CSDN", 0)

# 显示图片
cv.imshow("Easmount-CSDN", img)

# 等待显示 设置任意键退出程序
cv.waitKey(0)
cv.destroyAllWindows()