LBP描述算子简介

阳光穿透心脏的1/2处 2022-08-21 05:46 141阅读 0赞

作者：小村长 出处：[http://blog.csdn.net/lu597203933][http_blog.csdn.net_lu597203933] 。 （新浪微博：小村长zack, 欢迎交流！）

参考文献：文章：Multiresolution Gray-Scale and Rotation Invariant Texture Classificationwith Local Binary Patterns

LBP(local binary pattern)是一种用来描述图像局部纹理特征的算子。原始的LBP于1994年提出，它反映内容是每个像素与周围像素的关系。后被不断的改进和优化，分别提出了LBP旋转不变模式、LBP均匀模式等。

一：原始的LBP

给出一个简单的案例计算LBP：如下图，周围8个像素点比中间点像素值大(或者相等)的记为1，小的记为0，这样就得到二值图，然后按顺时针方向得到二进制串10001111

![SouthEast][]

这样中间点的像素值就用241来代替。注意这里的计算LBP的顺序并没有硬性要求，只是一个量化公式，在同一处理中保持相同的顺序即可。

下面给出LBP的计算公式：

![SouthEast 1][]

![SouthEast 2][]

二、旋转不变的LBP模式<LBPROT>

原始的LBP不具有旋转不变性，这样我们就提出了旋转不变的LBP模式。旋转不变的LBP计算公式如下：

![SouthEast 3][]

这样计算出来的LBP共有36种，分布情况如下面两幅图：

![SouthEast 4][]

其中白点代表1，黑点代表0。

![SouthEast 5][]

三：均匀LBP模式

旋转LBP模式同样存在缺陷，大量的实验证明LBP模式的36种情况在一幅图像中分布出现的频率差异较大，得到的效果并不是很好。因此人们提出了均匀LBP模式即uniform LBP。

均匀模式就是一个二进制序列从0到1或是从1到0的变过不超过2次（这个二进制序列首尾相连）。比如：10100000的变化次数为3次所以不是一个uniform pattern。所有的8位二进制数中共有58(变化次数为0的有2种，变化次数为1的有0种，变化次数为2的有56种)个uniform pattern.为什么要提出这么个uniform LBP呢，因为研究者发现他们计算出来的大部分值都在这58种之中，可达到90%以上，所以他们把值分为59类，58个uniform pattern为一类，其它的所有值为第59类。59=(2+0+56)+1,这样直方图从原来的256维变成59维。起到了降维的作用。

计算公式：

![SouthEast 6][]

应用：

在模式识别如判断两幅图片的相似性时，我们可以统计这两幅图像的LBP特征的直方图。这样，在原始的LBP模式中，统计的直方图可以当做一个256维的向量。直接这样判断，很多时候会因为“位置没有对准”而产生很大的误差。大量研究表明，此时我们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。比如将一幅图像划分为10\*10个区域，这样得到向量的维数就是256\*10\*10。而针对uniform LBP，此时向量的维数就是59\*10\*10, 从而达到降维的目的。

目前，LBP局部纹理提取算子，已经成功应用在指纹识别、字符识别、人脸识别、车牌识别等领域。

Code：

原始的LBP：

**\[cpp\]** [view plain][] [copy][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  **void** LBP(Mat &image, Mat &result) 
2.  \{ 
3.  **for**(**int** y = 1; y < image.rows-1; y ++) 
4.   \{ 
5.  **for**(**int** x = 1; x < image.cols-1; x++) 
6.   \{ 
7.   uchar neighbor\[8\] = \{0\}; 
8.   neighbor\[0\] = image.at<uchar>(y-1, x-1); 
9.   neighbor\[1\] = image.at<uchar>(y-1, x); 
10.  neighbor\[2\] = image.at<uchar>(y-1, x+1); 
11.  neighbor\[3\] = image.at<uchar>(y, x+1); 
12.  neighbor\[4\] = image.at<uchar>(y+1, x+1); 
13.  neighbor\[5\] = image.at<uchar>(y+1, x); 
14.  neighbor\[6\] = image.at<uchar>(y+1, x-1); 
15.  neighbor\[7\] = image.at<uchar>(y, x-1); 
16.  uchar center = image.at<uchar>(y, x); 
17.  uchar temp = 0; 
18. **for**(**int** k = 0; k < 8; k++) 
19.  \{ 
20.  temp += (neighbor\[k\] >= center)\* (1<<k); // 计算LBP的值
21.  \} 
22.  result.at<uchar>(y,x) = temp; 
23.  \} 
24.  \} 
25. \} 
26. 
27. **int** main() 
28. \{ 
29.  Mat image = imread("F:\\\\lena.png", 0); 
30. **if**(!image.data) 
31.  \{ 
32.  cout << "Fail to load image" << endl; 
33. **return** 0; 
34.  \} 
35.  Mat result; 
36.  result.create(Size(image.cols, image.rows), image.type()); 
37.  LBP(image, result); 
38.  namedWindow("result", 0); 
39.  imshow("result", result); 
40.  waitKey(0); 
41. **return** 0; 
42. \}

uniform LBP：

**\[cpp\]** [view plain][] [copy][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  // 计算跳变次数
2.  **int** getHopCount(**int** i) 
3.  \{ 
4.  **int** a\[8\] = \{0\}; 
5.  **int** cnt = 0; 
6.  **int** k = 7; 
7.  **while**(i) 
8.   \{ 
9.   a\[k\] = i&1; 
10.  i = i >> 1; 
11.  \--k; 
12.  \} 
13. **for**(k = 0; k < 7; k++) 
14.  \{ 
15. **if**(a\[k\] != a\[k+1\]) 
16.  \{ 
17.  \++cnt; 
18.  \} 
19.  \} 
20. **if**(a\[0\] != a\[7\]) 
21.  \{ 
22.  \++cnt; 
23.  \} 
24. **return** cnt; 
25. \} 
26. 
27. // 降维数组 由256->59
28. **void** lbp59table(uchar \*table) 
29. \{ 
30.  memset(table, 0, 256); 
31.  uchar temp = 1; 
32. **for**(**int** i = 0; i < 256; i++) 
33.  \{ 
34. **if**(getHopCount(i) <= 2) // 跳变次数<=2 的为非0值
35.  \{ 
36.  table\[i\] = temp; 
37.  temp ++; 
38.  \} 
39.  \} 
40. \} 
41. 
42. **void** uniformLBP(Mat &image, Mat &result, uchar \*table) 
43. \{ 
44. **for**(**int** y = 1; y < image.rows-1; y ++) 
45.  \{ 
46. **for**(**int** x = 1; x < image.cols-1; x++) 
47.  \{ 
48.  uchar neighbor\[8\] = \{0\}; 
49.  neighbor\[0\] = image.at<uchar>(y-1, x-1); 
50.  neighbor\[1\] = image.at<uchar>(y-1, x); 
51.  neighbor\[2\] = image.at<uchar>(y-1, x+1); 
52.  neighbor\[3\] = image.at<uchar>(y, x+1); 
53.  neighbor\[4\] = image.at<uchar>(y+1, x+1); 
54.  neighbor\[5\] = image.at<uchar>(y+1, x); 
55.  neighbor\[6\] = image.at<uchar>(y+1, x-1); 
56.  neighbor\[7\] = image.at<uchar>(y, x-1); 
57.  uchar center = image.at<uchar>(y, x); 
58.  uchar temp = 0; 
59. **for**(**int** k = 0; k < 8; k++) 
60.  \{ 
61.  temp += (neighbor\[k\] >= center)\* (1<<k); // 计算LBP的值
62.  \} 
63.  result.at<uchar>(y,x) = table\[temp\]; // 降为59维空间
64.  \} 
65.  \} 
66. \} 
67. 
68. **int** main() 
69. \{ 
70.  uchar table\[256\]; 
71.  lbp59table(table); 
72.  Mat image = imread("F:\\\\lena.png", 0); 
73. **if**(!image.data) 
74.  \{ 
75.  cout << "Fail to load image" << endl; 
76. **return** 0; 
77.  \} 
78.  Mat result; 
79.  result.create(Size(image.cols, image.rows), image.type()); 
80.  uniformLBP(image, result, table); 
81. 
82.  namedWindow("uniformResult", 0); 
83.  imshow("uniformResult", result); 
84. 
85.  waitKey(0); 
86. **return** 0; 
87. 
88. \}

Result：

原图：

![SouthEast 7][]

原始LBP：

![SouthEast 8][]

uniform LBP：

![SouthEast 9][]

[http_blog.csdn.net_lu597203933]: http://blog.csdn.net/lu597203933
[SouthEast]: /images/20220731/726e72c6a9c14fbd8d202705301023d3.png
[SouthEast 1]: /images/20220731/0b335f2014ec49cca6a4d0ae0f6993b7.png
[SouthEast 2]: /images/20220731/8ecdf32a021c4c4e9c35c50eda083b60.png
[SouthEast 3]: /images/20220731/d9885fb56c294277843c6af0cd6d3433.png
[SouthEast 4]: /images/20220731/a15fc0e11033426295c1cc4ea619e660.png
[SouthEast 5]: /images/20220731/4ca0fb6586954ac393ff9e8bf0ae724e.png
[SouthEast 6]: /images/20220731/c087b036dfbf4e3fbe93dd679342f75a.png
[view plain]: http://blog.csdn.net/lu597203933/article/details/17184503#
[CODE]: https://code.csdn.net/assets/CODE_ico.png
[CODE_CODE]: https://code.csdn.net/snippets/101200
[ico_fork.svg]: https://code.csdn.net/assets/ico_fork.svg
[ico_fork.svg 1]: https://code.csdn.net/snippets/101200/fork
[SouthEast 7]: /images/20220731/d86b9d7357cb4fb5830b644297a974f4.png
[SouthEast 8]: /images/20220731/c8be3701cb4e46f4836cc4e690c4e4ea.png
[SouthEast 9]: /images/20220731/2db717338a734fa0bb3f7532b1c3d220.png