机器视觉----LBP
最近一直在做多视图的聚类与分裂，想要图片有更多的视图，就得对图片的特征进行抽取，那我们来聊聊图片的LBP特征。
Local binary patterns （局部二值模式），是机器视觉中重要的一种特征，它属于一个纹理问题。其核心是将各个元素与其他附近的像素进行比较，然后把结果保存为二进制数。LBP最重要的属性是对诸如光照变化等造成的灰度变化的鲁棒性。它的另外一个重要特性是它的计算简单，这使得它可以对图像进行实时分析。、
LBP算子的计算流程：
首先如下图1：每个点的像素值表示出来，如果比中心的点大或者等于则为1，小则为0.得到图2为：其中以这个3x3的矩阵最上面最左边第一个为1，然后顺时针依次变成2,4,8,16,32,64,125
图1 图2 图3
此处的LBP=1+16+32+64+128=251
以上就是传统LBP的计算过程。当然还有周围16个的，还有用圆去标注的。如下图：本质上的计算方法都一样，这里就不做赘述了。
Matlab实现：
function [ LBPHistogram ] = LBP( OrgIm,DoUniform)% if DoUniform = true -> return hisogram of 10 bin, if DoUniform = false -> return hisogram of 256 bin
Row=size(OrgIm,1);
Col=size(OrgIm,2);
for i=2:Row-1
for j=2:Col-1
Uniform = true;
MidPixelValue=OrgIm(i,j);
EncodedVec(1)=OrgIm(i-1,j-1)>MidPixelValue;
EncodedVec(2)=OrgIm(i-1,j)>MidPixelValue;
EncodedVec(3)=OrgIm(i-1,j+1)>MidPixelValue;
EncodedVec(4)=OrgIm(i,j+1)>MidPixelValue;
EncodedVec(5)=OrgIm(i+1,j+1)>MidPixelValue;
EncodedVec(6)=OrgIm(i+1,j)>MidPixelValue;
EncodedVec(7)=OrgIm(i+1,j-1)>MidPixelValue;
EncodedVec(8)=OrgIm(i,j-1)>MidPixelValue;
EncodedVecShift = circshift(EncodedVec,[0,1]);
if DoUniform
if sum(xor(EncodedVec,EncodedVecShift)) > 2 % more than 2 transition of 0 -> 1
Uniform = false;
LBPImage(i,j)=9;
end
end
if or(Uniform == true , DoUniform == false) % if LBP not uniform mode , or the texture is uniform -> 8 bits assign
MinLbp = EncodedVec(1)*2^7+EncodedVec(2)*2^6+EncodedVec(3)*2^5+EncodedVec(4)*2^4+EncodedVec(5)*2^3+EncodedVec(6)*2^2+EncodedVec(7)*2^1+EncodedVec(8)*2^0;
MinVector = EncodedVec;
for k = 1 : 7
EncodedVec = circshift(EncodedVec,[0,1]);
CurrLbpValue =EncodedVec(1)*2^7+EncodedVec(2)*2^6+EncodedVec(3)*2^5+EncodedVec(4)*2^4+EncodedVec(5)*2^3+EncodedVec(6)*2^2+EncodedVec(7)*2^1+EncodedVec(8)*2^0;
if CurrLbpValue < MinLbp
MinLbp = CurrLbpValue;
MinVector = EncodedVec;
end
end
LBPImage(i,j)=MinVector(1)*2^7+MinVector(2)*2^6+MinVector(3)*2^5+MinVector(4)*2^4+MinVector(5)*2^3+MinVector(6)*2^2+MinVector(7)*2^1+MinVector(8)*2^0;
end
end
end
if DoUniform
LBPImage(LBPImage ~=9) = log2(LBPImage(LBPImage ~=9)+1);
LBPHistogram=zeros(1,10);
for i =1:size(LBPImage,1)
for k = 1:size(LBPImage,2)
LBPHistogram(1,LBPImage(i,k)+1)=LBPHistogram(1,LBPImage(i,k)+1)+1;
end
end
else
LBPHistogram=zeros(1,256);
for i =1:size(LBPImage,1)
for k = 1:size(LBPImage,2)
LBPHistogram(1,LBPImage(i,k)+1)=LBPHistogram(1,LBPImage(i,k)+1)+1;
end
end
end
end
