图像特征之局部二值模式

一：局部二值模式（LBP）介绍

局部二值模式(Local Binary Pattern)主要用来实现2D图像纹理分析。其基本思想是用每个像素跟它周围的像素相比较得到局部图像结构，假设中心像素值大于相邻像素值则则相邻像素点赋值为1，否则赋值为0，最终对每个像素点都会得到一个二进制八位的表示，比如11100111。假设3x3的窗口大小，这样对每个像素点来说组合得到的像素值的空间为[0~2^8]。这种结果我称为图像的局部二值模式或者简写为了LBP。

二：局部二值模式（LBP）扩展

对于这种固定窗口大小方式的局部二值模式，很多人很快就发现它的弊端，不能很好的反映出图像结构，于是高人纷纷上阵把它改为窗口大小可变，而且把矩形结构改成圆形结构。而且还总结出来如下一系列的典型结构单元：

该操作是基于原来的局部二值模式的扩展，所以又被称为扩展的局部二值模式。但是一旦改为圆形的时候，寻找八个点坐标可能会产生小数坐标，这个时候就需要通过插值方式产生该像素点的像素值，最常见的插值方式基于双线性插值。这样就完成了任意尺度上的局部二值模式的采样。

三：运行

输入图像与3x3默认的LBP运行结果如下：

在扩展模式下半径分别为1、3、5、7时候的运行结果：

相关各步与代码实现（基于OpenCV）

1. 载入图像并显示

1. 彩色图像转为灰度图像

1. 默认3x3窗口LBP代码实现

1. 扩展方式的LBP代码实现 a.双线性插值计算

b.LBP操作

LBP特征在人脸检测、对象检测，灰度图像纹理分析与修复方面都有应用，是每个图像处理算法工程师必备的知识之一。OpenCV中也实现了基于LBP的人脸级联检测器，实现人脸检测。