OpenCV与图像处理学习十五——LBP纹理特征（含代码）

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：

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）：

LBP特征变化后的结果：

ps：这个特征提取的过程稍微有点慢。。。