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

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。

OpenCV与图像处理学习十五——LBP纹理特征(含代码)_第1张图片
用数学公式表示:
OpenCV与图像处理学习十五——LBP纹理特征(含代码)_第2张图片
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:
OpenCV与图像处理学习十五——LBP纹理特征(含代码)_第3张图片

  1. LBP记录的是中心像素点与领域像素点之间的差值;
  2. 当光照变化引起像素灰度值同增同减时, LBP变化并不明显;
  3. 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 np

def 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] = 1
                else:
                    lbp_value[0, i] = 0

            lbp = 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] = lbp

    return dst

img = 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):
OpenCV与图像处理学习十五——LBP纹理特征(含代码)_第4张图片
LBP特征变化后的结果:
OpenCV与图像处理学习十五——LBP纹理特征(含代码)_第5张图片
ps:这个特征提取的过程稍微有点慢。。。

你可能感兴趣的:(OpenCV与图像处理,opencv,计算机视觉,python)