LBP 特征

为为为什么

发布于 2023-01-11 13:28:00

5980

文章被收录于专栏：又见苍岚又见苍岚

LBP(Local Binary Pattern) 局部二值特征是一种纹理描述子，它度量和提取图像的局部纹理信息，对旋转和光照具有不变性。

简介

LBP(Local Binary Pattern) 局部二值特征是一种纹理描述子，它度量和提取图像的局部纹理信息，对旋转和光照具有不变性。单纯的LBP记录像素点与像素点的对比信息。

LBP

定义

LBP算子定义为在 3\times3 窗口内，以窗口中心像素为阈值，将相邻的八个像素与其进行比较，若周围像素值大于中心像素值，则该点的标记为1，否则为0。
这样， 3\times3 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，并以此反映该区域的纹理信息。
二进制数的顺序并无硬性要求，只要在同一处理中保持相同顺序即可。
LBP算子可以取多个周围像素点和采样半径。

示例

由一个像素与其八邻域像素的关系获取 LBP 值的流程

旋转不变

原始的 LBP 特征对光照具有一定鲁棒性，因为亮度整体变化不至于影响大部分的相对关系
但原始 LBP 特征在旋转时难以保持不变，因为特征也会跟着图像变化，相当于二进制数据循环移位，势必特征会发生变化
那么为了消除旋转这一变量，我们将 LBP 值循环移位，选择一个固定大小排序位置的数值作为特征则会抵抗旋转的影响，为了方便我们选择最小的 LBP 特征：

以上图为例，该像素的旋转不变 LBP 特征值为 15
如果不做旋转不变形的筛选， LBP 可选特征有 256 种模式
做了旋转不变的特征筛选后，模式变为总共 36 种其中：

统计代码：

min_fea = set()

def make_str(value):
    res_str = ''
    for i in range(8):
        r = value % 2
        value = value >> 1
        res_str = str(r) + res_str
    return res_str

def get_num1(min_fea, num):
    res_list = list()
    for str_1 in min_fea:
        if str_1.count('1') == num:
            res_list.append(str_1)
    return res_list

for number in range(256):
    data_list = list()
    temp = number
    for i in range(8):
        data_list.append(temp)
        l = temp % 2
        temp = (temp >> 1) + 128 * l
    min_value = min(data_list)
    res_str = make_str(min_value)
    min_fea.add(res_str)

total_num = 0
for index in range(9):
    sub_num = len(get_num1(min_fea, index))
    print('1 count', index, 'num', sub_num)
    total_num += sub_num
print('total feature num ', total_num)
pass

输出结果：

1 count 0 num 1
1 count 1 num 1
1 count 2 num 4
1 count 3 num 7
1 count 4 num 10
1 count 5 num 7
1 count 6 num 4
1 count 7 num 1
1 count 8 num 1
total feature num  36