LBP（Local Binary Pattern，局部二值模式）

        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。它是首先由T. Ojala, M.Pietik?inen, 和D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征；

1、LBP特征的描述

         原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数（通常转换为十进制数即LBP码，共256种），即得到该窗口中心像素点的LBP值，并用这个值来反映该区域的纹理信息。如下图所示：

                   

LBP的改进版本：

       原始的LBP提出后，研究人员不断对其提出了各种改进和优化。

（1）圆形LBP算子：

        基本的 LBP 算子的最大缺陷在于它只覆盖了一个固定半径范围内的小区域，这显然不能满足不同尺寸和频率纹理的需要。为了适应不同尺度的纹理特征，并达到灰度和旋转不变性的要求，Ojala 等对 LBP 算子进行了改进，将 3×3 邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，改进后的 LBP 算子允许在半径为 R 的圆形邻域内有任意多个像素点。从而得到了诸如半径为R的圆形区域内含有P个采样点的LBP算子；

                

（2）LBP旋转不变模式

       从 LBP 的定义可以看出，LBP 算子是灰度不变的，但却不是旋转不变的。图像的旋转就会得到不同的 LBP值。

         Maenpaa等人又将 LBP 算子进行了扩展，提出了具有旋转不变性的 LBP 算子，即不断旋转圆形邻域得到一系列初始定义的 LBP 值，取其最小值作为该邻域的 LBP 值。

       图 2.5 给出了求取旋转不变的 LBP 的过程示意图，图中算子下方的数字表示该算子对应的 LBP 值，图中所示的 8 种 LBP模式，经过旋转不变的处理，最终得到的具有旋转不变性的 LBP 值为 15。也就是说，图中的 8 种 LBP 模式对应的旋转不变的 LBP 模式都是00001111。

（3）LBP等价模式

       一个LBP算子可以产生不同的二进制模式，对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生P² 种模式。很显然，随着邻域集内采样点数的增加，二进制模式的种类是急剧增加的。例如：5×5邻域内20个采样点，有2²⁰＝1,048,576种二进制模式。如此多的二值模式无论对于纹理的提取还是对于纹理的识别、分类及信息的存取都是不利的。同时，过多的模式种类对于纹理的表达是不利的。例如，将LBP算子用于纹理分类或人脸识别时，常采用LBP模式的统计直方图来表达图像的信息，而较多的模式种类将使得数据量过大，且直方图过于稀疏。因此，需要对原始的LBP模式进行降维，使得数据量减少的情况下能最好的代表图像的信息。

        为了解决二进制模式过多的问题，提高统计性，Ojala提出了采用一种“等价模式”（Uniform Pattern）来对LBP算子的模式种类进行降维。Ojala等认为，在实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，Ojala将“等价模式”定义为：当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类。如00000000（0次跳变），00000111（只含一次从0到1的跳变），10001111（先由1跳到0，再由0跳到1，共两次跳变）都是等价模式类。除等价模式类以外的模式都归为另一类，称为混合模式类，例如10010111（共四次跳变）（这是我的个人理解，不知道对不对）。

       通过这样的改进，二进制模式的种类大大减少，而不会丢失任何信息。模式数量由原来的2^P种减少为 P ( P-1)+2种，其中P表示邻域集内的采样点数。对于3×3邻域内8个采样点来说，二进制模式由原始的256种减少为58种，这使得特征向量的维数更少，并且可以减少高频噪声带来的影响。

2、LBP特征用于检测的原理

       显而易见的是，上述提取的LBP算子在每个像素点都可以得到一个LBP“编码”，那么，对一幅图像（记录的是每个像素点的灰度值）提取其原始的LBP算子之后，得到的原始LBP特征依然是“一幅图片”（记录的是每个像素点的LBP值）。

                    

        LBP的应用中，如纹理分类、人脸分析等，一般都不将LBP图谱作为特征向量用于分类识别，而是采用LBP特征谱的统计直方图作为特征向量用于分类识别。

       因为，从上面的分析我们可以看出，这个“特征”跟位置信息是紧密相关的。直接对两幅图片提取这种“特征”，并进行判别分析的话，会因为“位置没有对准”而产生很大的误差。后来，研究人员发现，可以将一幅图片划分为若干的子区域，对每个子区域内的每个像素点都提取LBP特征，然后，在每个子区域内建立LBP特征的统计直方图。如此一来，每个子区域，就可以用一个统计直方图来进行描述；整个图片就由若干个统计直方图组成；

        例如：一幅100*100像素大小的图片，划分为10*10=100个子区域（可以通过多种方式来划分区域），每个子区域的大小为10*10像素；在每个子区域内的每个像素点，提取其LBP特征，然后，建立统计直方图；这样，这幅图片就有10*10个子区域，也就有了10*10个统计直方图，利用这10*10个统计直方图，就可以描述这幅图片了。之后，我们利用各种相似性度量函数，就可以判断两幅图像之间的相似性了；

3、对LBP特征向量进行提取的步骤

（1）首先将检测窗口划分为16×16的小区域（cell）；

（2）对于每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值；

（3）然后计算每个cell的直方图，即每个数字（假定是十进制数LBP值）出现的频率；然后对该直方图进行归一化处理。

（4）最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量；

然后便可利用SVM或者其他机器学习算法进行分类了。

4、LBP特征的实现（参考博客：http://blog.csdn.net/jinshengtao/article/details/18219697）

      下面代码用C实现，读入一副灰度图像，采样点个数，采样半径，对每个像素计算LBP特征并输出，LBP图像及其直方图。

对于旋转不变性及uniform旋转不变性，我没有对每个像素都进行上述公式的操作，由于是2进制的圆形循环，可以提前做个mapping映射关系，加快程序执行速度。

 采样点数量均为8，采样半径为10

输入图像：

                

4.1 灰度不变性LBP：

 void gray_invariant_lbp(IplImage *src,int height,int width,int num_sp,MyPoint *spoint)
 {
     IplImage *target,*hist;
     int i,j,k,box_x,box_y,orign_x,orign_y,dx,dy,tx,ty,fy,fx,cy,cx,v;
     double min_x,max_x,min_y,max_y,w1,w2,w3,w4,N,x,y;
     int *result;
     float dishu;

     dishu = 2.0;
     max_x=0;max_y=0;min_x=0;min_y=0;
     for (k=0;k
     {
         if (max_x
         {
             max_x=spoint[k].x;
         }
         if (max_y
         {
             max_y=spoint[k].y;
         }
         if (min_x>spoint[k].x)
         {
             min_x=spoint[k].x;
         }
         if (min_y>spoint[k].y)
         {
             min_y=spoint[k].y;
         }
     }

     //计算模版大小
     box_x = ceil(MAX(max_x,0)) - floor(MIN(min_x,0)) + 1;
     box_y = ceil(MAX(max_y,0)) - floor(MIN(min_y,0)) + 1;

     if (width
     {
         printf("Too small input image. Should be at least (2*radius+1) x (2*radius+1)");
         return;
     }

     //计算可滤波图像大小,opencv图像数组下标从0开始
     orign_x = 0 - floor(MIN(min_x,0));//起点
     orign_y = 0 - floor(MIN(min_x,0));

     dx = width - box_x+1;//终点
     dy = height - box_y+1;

     int cols = pow(dishu,(float)num_sp);
     hist = cvCreateImage(cvSize(300,200),IPL_DEPTH_8U,3);//直方图图像
     target = cvCreateImage(cvSize(dx,dy),IPL_DEPTH_8U,1);
     result = (int *)malloc(sizeof(int)*dx*dy);
     double *val_hist = (double *)malloc(sizeof(double)*cols);   //直方图数组

     memset(result,0,sizeof(int)*dx*dy);
     CvRect roi =cvRect(orign_x, orign_y, dx, dy);
     cvSetImageROI(src, roi);
     cvCopy(src, target);
     cvResetImageROI(src);
     cvSaveImage("haha.jpg",target);

     for ( k = 0; k
     {
         x = spoint[k].x+orign_x;
         y = spoint[k].y+orign_y;

         //二线性插值图像
         fy = floor(y);  //向下取整
         fx = floor(x);
         cy = ceil(y);   //向上取整
         cx = ceil(x);
         ty = y - fy;
         tx = x - fx;
         w1 = (1 - tx) * (1 - ty);
         w2 = tx  * (1 - ty);
         w3 = (1 - tx) * ty ;
         w4 = tx * ty ;
         v = pow(dishu,(float)k);

         for (i = 0;i
         {
             for (j = 0;j
             {
                 //灰度插值图像像素
                 N = w1 * (double)(unsigned char)src->imageData[(i+fy)*src->width+j+fx]+
                       w2 * (double)(unsigned char)src->imageData[(i+fy)*src->width+j+cx]+
                       w3 * (double)(unsigned char)src->imageData[(i+cy)*src->width+j+fx]+
                       w4 * (double)(unsigned char)src->imageData[(i+cy)*src->width+j+cx];

                 if( N >= (double)(unsigned char)target->imageData[i*dx+j])
                 {
                     result[i*dx+j] = result[i*dx+j] + v * 1;
                 }else{
                     result[i*dx+j] = result[i*dx+j] + v * 0;
                 }
             }
         }
     }
     //显示图像
     if (num_sp<=8)
     {
         //只有采样数小于8，则编码范围0-255，才能显示图像
         for (i = 0;i
         {
             for (j = 0;j
             {
                 target->imageData[i*dx+j] = (unsigned char)result[i*dx+j];
                 //printf("%d\n",(unsigned char)target->imageData[i*width+j]);
             }
         }
         cvSaveImage("result.jpg",target);
     }

     //显示直方图

     for (i=0;i
     {
         val_hist[i]=0.0;
     }
     for (i=0; i
     {
         val_hist[result[i]]++;
     }

     double temp_max=0.0;

     for (i=0;i//求直方图最大值，为了归一化
     {
         //printf("%f\n",val_hist[i]);
         if (temp_max
         {
             temp_max=val_hist[i];
         }
     }
     //画直方图
     CvPoint p1,p2;
     double bin_width=(double)hist->width/cols;
     double bin_unith=(double)hist->height/temp_max;

     for (i=0;i
     {
         p1.x=i*bin_width;p1.y=hist->height;
         p2.x=(i+1)*bin_width;p2.y=hist->height-val_hist[i]*bin_unith;
         cvRectangle(hist,p1,p2,cvScalar(0,255),-1,8,0);
     }
     cvSaveImage("hist.jpg",hist);
 }

实验结果：

                

                

4.2 旋转不变性：

 void rotation_invariant_mapping(int range,int num_sp,int *Mapping)
 {
     int newMax,rm,r;
     int *tmpMap;

     newMax = 0;
     tmpMap = (int *)malloc(sizeof(int)*range);
     memset(tmpMap,-1,sizeof(int)*range);

     for (int i = 0 ; i < range ; i++)
     {
         rm = i;
         r = i;
         for (int j = 0 ; j < num_sp -1 ;j++)
         {
             //将r向左循环移动一位,当r超过num_sp位时，舍弃
             r = r << 1;
             if (r > range -1)
             {
                 r = r - (range -1);
             }
             //printf("%d,%d\n",r,rm);
             if (r < rm)
             {
                 rm = r;
             }
         }
         if (tmpMap[rm] < 0)
         {
             tmpMap[rm] = newMax;
             newMax++;

         }
         Mapping[i] = tmpMap[rm];
     }
     free(tmpMap);
 }

 void rotation_invariant_lbp(IplImage *src,int height,int width,int num_sp,MyPoint *spoint,int *Mapping)
 {
     IplImage *target,*hist;
     int i,j,k,box_x,box_y,orign_x,orign_y,dx,dy,tx,ty,fy,fx,cy,cx,v;
     double min_x,max_x,min_y,max_y,w1,w2,w3,w4,N,x,y;
     int *result;
     float dishu;

     dishu = 2.0;
     max_x=0;max_y=0;min_x=0;min_y=0;
     for (k=0;k
     {
         if (max_x
         {
             max_x=spoint[k].x;
         }
         if (max_y
         {
             max_y=spoint[k].y;
         }
         if (min_x>spoint[k].x)
         {
             min_x=spoint[k].x;
         }
         if (min_y>spoint[k].y)
         {
             min_y=spoint[k].y;
         }
     }

     //计算模版大小
     box_x = ceil(MAX(max_x,0)) - floor(MIN(min_x,0)) + 1;
     box_y = ceil(MAX(max_y,0)) - floor(MIN(min_y,0)) + 1;

     if (width
     {
         printf("Too small input image. Should be at least (2*radius+1) x (2*radius+1)");
         return;
     }

     //计算可滤波图像大小,opencv图像数组下标从0开始
     orign_x = 0 - floor(MIN(min_x,0));//起点
     orign_y = 0 - floor(MIN(min_x,0));

     dx = width - box_x+1;//终点
     dy = height - box_y+1;

     target = cvCreateImage(cvSize(dx,dy),IPL_DEPTH_8U,1);
     result = (int *)malloc(sizeof(int)*dx*dy);

     memset(result,0,sizeof(int)*dx*dy);
     CvRect roi =cvRect(orign_x, orign_y, dx, dy);
     cvSetImageROI(src, roi);
     cvCopy(src, target);
     cvResetImageROI(src);
     cvSaveImage("haha.jpg",target);

     for ( k = 0; k
     {
         x = spoint[k].x+orign_x;
         y = spoint[k].y+orign_y;

         //二线性插值图像
         fy = floor(y);  //向下取整
         fx = floor(x);
         cy = ceil(y);   //向上取整
         cx = ceil(x);
         ty = y - fy;
         tx = x - fx;
         w1 = (1 - tx) * (1 - ty);
         w2 = tx  * (1 - ty);
         w3 = (1 - tx) * ty ;
         w4 = tx * ty ;
         v = pow(dishu,(float)k);

         for (i = 0;i
         {
             for (j = 0;j
             {
                 //灰度插值图像像素
                 N = w1 * (double)(unsigned char)src->imageData[(i+fy)*src->width+j+fx]+
                     w2 * (double)(unsigned char)src->imageData[(i+fy)*src->width+j+cx]+
                     w3 * (double)(unsigned char)src->imageData[(i+cy)*src->width+j+fx]+
                     w4 * (double)(unsigned char)src->imageData[(i+cy)*src->width+j+cx];

                 if( N >= (double)(unsigned char)target->imageData[i*dx+j])
                 {
                     result[i*dx+j] = result[i*dx+j] + v * 1;
                 }else{
                     result[i*dx+j] = result[i*dx+j] + v * 0;
                 }
             }
         }
     }

     //将result的值映射为mapping的值
     for(i = 0; i < dy ;i++)
     {
         for (j = 0; j < dx ;j ++)
         {
             result[i*dx+j] = Mapping[result[i*dx+j]];
         }
     }

     //显示图像
     int cols = 0;//直方图的横坐标，也是result数组的元素种类
     int mapping_size = pow(dishu,(float)num_sp);
     for (i = 0;i < mapping_size; i++ )
     {
         if (cols < Mapping[i])
         {
             cols = Mapping[i];
         }
     }

     if (cols < 255)
     {
         //只有采样数小于8，则编码范围0-255，才能显示图像
         for (i = 0;i
         {
             for (j = 0;j
             {
                 target->imageData[i*dx+j] = (unsigned char)result[i*dx+j];
                 //printf("%d\n",(unsigned char)target->imageData[i*width+j]);
             }
         }
         cvSaveImage("result.jpg",target);
     }

     //计算直方图
     hist = cvCreateImage(cvSize(300,200),IPL_DEPTH_8U,3);//直方图图像

     double *val_hist = (double *)malloc(sizeof(double)*cols);   //直方图数组
     for (i=0;i
     {
         val_hist[i]=0.0;
     }
     for (i=0; i
     {
         val_hist[result[i]]++;
     }

     double temp_max=0.0;

     for (i=0;i//求直方图最大值，为了归一化
     {
         //printf("%f\n",val_hist[i]);
         if (temp_max
         {
             temp_max=val_hist[i];
         }
     }
     //画直方图
     CvPoint p1,p2;
     double bin_width=(double)hist->width/cols;
     double bin_unith=(double)hist->height/temp_max;

     for (i=0;i
     {
         p1.x=i*bin_width;p1.y=hist->height;
         p2.x=(i+1)*bin_width;p2.y=hist->height-val_hist[i]*bin_unith;
         cvRectangle(hist,p1,p2,cvScalar(0,255),-1,8,0);
     }
     cvSaveImage("hist.jpg",hist);
 }

实验结果：

                

                

4.3 uniform 旋转不变性，给出完整代码：

 #include "stdafx.h"
 #include "cv.h"
 #include "highgui.h"
 #define  PI 3.1415926
 #define MAX(x,y) (x)>(y)?(x):(y)
 #define MIN(x,y) (x)<(y)?(x):(y)

 typedef struct MyPoint
 {
     double x;
     double y;
 }MyPoint;
 void calc_position(int radius,int num_sp,MyPoint *spoint)
 {
     double theta;

     theta = 2*PI/num_sp;

     for (int i = 0; i < num_sp; i++)
     {
         spoint[i].y = -radius * sin(i * theta);
         spoint[i].x = radius * cos(i * theta);
     }
 }
 int calc_sum(int r)
 {
     int res_sum;

     res_sum = 0;
     while (r)
     {
         res_sum = res_sum + r % 2;
         r /= 2;
     }
     return res_sum;
 }
 void rotation_uniform_invariant_mapping(int range,int num_sp,int *Mapping)
 {
     int numt,i,j,tem_xor;

     numt = 0;
     tem_xor = 0;
     for (i = 0; i< range; i++)
     {
         j = i << 1;
         if (j > range -1)
         {
             j = j - (range -1);
         }

         tem_xor = i ^ j;    // 异或
         numt = calc_sum(tem_xor);//计算异或结果中1的个数，即跳变个数

         if (numt <= 2)
         {
             Mapping[i] = calc_sum(i);
         }else{
             Mapping[i] = num_sp+1;
         }
     }

 }

 void rotation_uniform_invariant_lbp(IplImage *src,int height,int width,int num_sp,MyPoint *spoint,int *Mapping)
 {
     IplImage *target,*hist;
     int i,j,k,box_x,box_y,orign_x,orign_y,dx,dy,tx,ty,fy,fx,cy,cx,v;
     double min_x,max_x,min_y,max_y,w1,w2,w3,w4,N,x,y;
     int *result;
     float dishu;

     dishu = 2.0;
     max_x=0;max_y=0;min_x=0;min_y=0;
     for (k=0;k
     {
         if (max_x
         {
             max_x=spoint[k].x;
         }
         if (max_y
         {
             max_y=spoint[k].y;
         }
         if (min_x>spoint[k].x)
         {
             min_x=spoint[k].x;
         }
         if (min_y>spoint[k].y)
         {
             min_y=spoint[k].y;
         }
     }

     //计算模版大小
     box_x = ceil(MAX(max_x,0)) - floor(MIN(min_x,0)) + 1;
     box_y = ceil(MAX(max_y,0)) - floor(MIN(min_y,0)) + 1;

     if (width
     {
         printf("Too small input image. Should be at least (2*radius+1) x (2*radius+1)");
         return;
     }

     //计算可滤波图像大小,opencv图像数组下标从0开始
     orign_x = 0 - floor(MIN(min_x,0));//起点
     orign_y = 0 - floor(MIN(min_x,0));

     dx = width - box_x+1;//终点
     dy = height - box_y+1;

     target = cvCreateImage(cvSize(dx,dy),IPL_DEPTH_8U,1);
     result = (int *)malloc(sizeof(int)*dx*dy);

     memset(result,0,sizeof(int)*dx*dy);
     CvRect roi =cvRect(orign_x, orign_y, dx, dy);
     cvSetImageROI(src, roi);
     cvCopy(src, target);
     cvResetImageROI(src);
     cvSaveImage("haha.jpg",target);

     for ( k = 0; k
     {
         x = spoint[k].x+orign_x;
         y = spoint[k].y+orign_y;

         //二线性插值图像
         fy = floor(y);  //向下取整
         fx = floor(x);
         cy = ceil(y);   //向上取整
         cx = ceil(x);
         ty = y - fy;
         tx = x - fx;
         w1 = (1 - tx) * (1 - ty);
         w2 = tx  * (1 - ty);
         w3 = (1 - tx) * ty ;
         w4 = tx * ty ;
         v = pow(dishu,(float)k);

         for (i = 0;i
         {
             for (j = 0;j
             {
                 //灰度插值图像像素
                 N = w1 * (double)(unsigned char)src->imageData[(i+fy)*src->width+j+fx]+
                     w2 * (double)(unsigned char)src->imageData[(i+fy)*src->width+j+cx]+
                     w3 * (double)(unsigned char)src->imageData[(i+cy)*src->width+j+fx]+
                     w4 * (double)(unsigned char)src->imageData[(i+cy)*src->width+j+cx];

                 if( N >= (double)(unsigned char)target->imageData[i*dx+j])
                 {
                     result[i*dx+j] = result[i*dx+j] + v * 1;
                 }else{
                     result[i*dx+j] = result[i*dx+j] + v * 0;
                 }
             }
         }
     }

     //将result的值映射为mapping的值
     for(i = 0; i < dy ;i++)
     {
         for (j = 0; j < dx ;j ++)
         {
             result[i*dx+j] = Mapping[result[i*dx+j]];
         }
     }

     //显示图像
     int cols = 0;//直方图的横坐标，也是result数组的元素种类
     int mapping_size = pow(dishu,(float)num_sp);
     for (i = 0;i < mapping_size; i++ )
     {
         if (cols < Mapping[i])
         {
             cols = Mapping[i];
         }
     }

     if (cols < 255)
     {
         //只有采样数小于8，则编码范围0-255，才能显示图像
         for (i = 0;i
         {
             for (j = 0;j
             {
                 target->imageData[i*dx+j] = (unsigned char)result[i*dx+j];
                 //printf("%d\n",(unsigned char)target->imageData[i*width+j]);
             }
         }
         cvSaveImage("result.jpg",target);
     }

     //计算直方图
     hist = cvCreateImage(cvSize(300,200),IPL_DEPTH_8U,3);//直方图图像
     double *val_hist = (double *)malloc(sizeof(double)*cols);   //直方图数组
     for (i=0;i
     {
         val_hist[i]=0.0;
     }
     for (i=0; i
     {
         val_hist[result[i]]++;
     }

     double temp_max=0.0;

     for (i=0;i//求直方图最大值，为了归一化
     {
         //printf("%f\n",val_hist[i]);
         if (temp_max
         {
             temp_max=val_hist[i];
         }
     }
     //画直方图
     CvPoint p1,p2;
     double bin_width=(double)hist->width/cols;
     double bin_unith=(double)hist->height/temp_max;

     for (i=0;i
     {
         p1.x=i*bin_width;p1.y=hist->height;
         p2.x=(i+1)*bin_width;p2.y=hist->height-val_hist[i]*bin_unith;
         cvRectangle(hist,p1,p2,cvScalar(0,255),-1,8,0);
     }
     cvSaveImage("hist.jpg",hist);
 }

 int _tmain(int argc, _TCHAR* argv[])
 {
     IplImage *src,*grey,*result;
     int samples,radius,range,*mapping;
     MyPoint *spoint;
     float Mi;

     samples = 8;
     radius = 10;
     Mi = 2.0;
     range = pow(Mi,samples);

     src = cvLoadImage("test2.jpg");
     grey = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);
     cvCvtColor(src,grey,CV_BGR2GRAY);
     mapping = (int *)malloc(sizeof(int)*range);
     memset(mapping,0,sizeof(int)*range);

     //计算采样点相对坐标
     spoint = (MyPoint *)malloc(sizeof(MyPoint)*samples);
     calc_position(radius,samples,spoint);

     //计算灰度不变性LBP特征，写回浮点数图像矩阵中
     //gray_invariant_lbp(grey,src->height,src->width,samples,spoint);

     //计算旋转不变形LBP特征
     //rotation_invariant_mapping(range,samples,mapping);
     //rotation_invariant_lbp(grey,src->height,src->width,samples,spoint,mapping);

     //计算旋转不变等价LBP特征
     rotation_uniform_invariant_mapping(range,samples,mapping);
     rotation_uniform_invariant_lbp(grey,src->height,src->width,samples,spoint,mapping);
     return 0;
 }

 实验结果：

                 

                

越到后面越黑，因为输出的种类越来越少。