cs231n assignment1 feature

图像特征提取方法 LBP

在做stanford cs231n assignment1时，最后一个作业题用到了图像的特征提取， 作业里给的是HOG和color histogram

这里我简单的在网上找了一下，在图像处理方面一般有三种图像特征提取方法，

1）HOG  2）LBP  3）Haar

因为作业里的feature.py代码写的很好，可以很容易添加不同的extract feature functions，

所以bonus time环节就可以多用一些function了。

然后我是这样做的

在运行环境下安装skimage包，直接pip安装

然后在feature.py中导入包

from skimage import feature as skft

最后附上我的代码。。。完全照抄挺简单的。。。

把下面这个函数直接加在feature.py再调用就可以了，

这里对应的feature.ipynb可能需要重头开始加载，因为我一开始没重头加载一直显示导入不了lbp_feature这个函数

def lbp_feature(im):  """Local Binary Patterns (LBP) feature for an image         https://github.com/scikit-image/scikit-image/blob/master/skimage/feature/_texture.pyx       https://github.com/scikit-image/scikit-image/blob/master/skimage/feature/texture.py          Reference:       (1, 2) Face recognition with local binary patterns. Timo Ahonen, Abdenour Hadid, Matti Pietikainen,        http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.214.6851, 2004.         Parameters:      im : an input grayscale or rgb image          Returns:      feat: Local Binary Patterns (LBP) feature     """    # convert rgb to grayscale if needed  if im.ndim == 3:    image = rgb2gray(im)  else:    image = np.at_least_2d(im)      # settings for LBP  # Small radius can get fine texture.  radius = 1  n_point = radius * 8  #Using LBP to extract texture feature of image.  lbp = skft.local_binary_pattern(image, n_point, radius, 'default')  #Satistics histogram of image  max_bins = int(lbp.max() + 1)  train_hist, _ = np.histogram(lbp, normed=True, bins=max_bins, range=(0, max_bins))    # return histogram  return train_hist.ravel()