网站下载系统,网站主页图片怎么换,高端品牌护肤品有哪些,太原网络推广公司哪家好OpenCV与图像处理学习十五——LBP纹理特征#xff08;含代码#xff09;一、LBP介绍二、LBP原理三、代码应用一、LBP介绍
LBP#xff08;Local Binary Pattern#xff0c; 局部二值模式#xff09; #xff0c; 是一种用来描述图像局部纹理特征的算子#xff1b; 它具有…
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
LBPLocal 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
LBP记录的是中心像素点与领域像素点之间的差值;当光照变化引起像素灰度值同增同减时 LBP变化并不明显;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 npdef 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), dtypenp.uint8)# print(lbp_value)neighbours np.zeros((1, 8), dtypenp.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()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。。。
