opencv提取unifor LBP算子特征

使用3*3的窗口提取LBP特征，处理之后的像素值还是从0～255的，直方图的bin应该有256个。后来Ojala提出了一个uniform pattern，意思是比如3x3的operator周围一圈有8个像素，和中间元素比较之后他们不是0就是1了，把他们看成一个圈，相邻的元素从0到1或者从1到0表示一个跳变，uniform pattern的指那种跳变不超过两个的pattern，比如0000000,11111111,00111110这些都是uniform pattern，有人统计说，LBP里面uniform pattern占到所有pattern元素的85%～90%，于是乎，在进行LBP处理之后，很多人就将uniform pattern作为处理的主要对象。在0～255这些二进制中uniform pattern有58个，剩余的198中pattern全部归为另一类，这样就构成了59维，使用直方图表示，共有59个bins。

在opencv中实现的代码入下：

const int uniformLBP[58]={0,1,2,3,4,6,7,8,12,14,15,16,24,28,30,31,32,48,56,60,62,63,64,96,112,120,124,126,127,128,129,131,135,143,159,191,192,193,195,199,207,223,224,225,227,231,239,240,241,243,247,248,249,251,252,253,254,255};//unifor LBP算子01跳变次数小于等于2的值,即uniform patternvoid compute_uniformLBP(CvMat* src,vector<double>& vec_out){map<int,int> myMap;vector<int> myVec;map<int,int>::iterator itMap;vector<int>::iterator itVec;int lastLBP=0;int sumLBP=0;int tmp[8]={0};uchar *data=src->data.ptr;int step=src->step;for (int i=1;i<src->height-1;i++)for(int j=1;j<src->width-1;j++){int sum=0;if(data[(i-1)*step+j-1]>data[i*step+j])tmp[0]=1;elsetmp[0]=0;if(data[i*step+(j-1)]>data[i*step+j])tmp[1]=1;elsetmp[1]=0;if(data[(i+1)*step+(j-1)]>data[i*step+j])tmp[2]=1;elsetmp[2]=0;if (data[(i+1)*step+j]>data[i*step+j])tmp[3]=1;elsetmp[3]=0;if (data[(i+1)*step+(j+1)]>data[i*step+j])tmp[4]=1;elsetmp[4]=0;if(data[i*step+(j+1)]>data[i*step+j])tmp[5]=1;elsetmp[5]=0;if(data[(i-1)*step+(j+1)]>data[i*step+j])tmp[6]=1;elsetmp[6]=0;if(data[(i-1)*step+j]>data[i*step+j])tmp[7]=1;elsetmp[7]=0;//计算LBP编码sum=(tmp[0]*1+tmp[1]*2+tmp[2]*4+tmp[3]*8+tmp[4]*16+tmp[5]*32+tmp[6]*64+tmp[7]*128);myMap[sum]++;}for (int i=0; i<58; i++){myVec.push_back(myMap[uniformLBP[i]]);sumLBP+=myMap[uniformLBP[i]];myMap.erase(uniformLBP[i]);}for (itMap=myMap.begin(); itMap!=myMap.end(); itMap++){lastLBP += itMap->second;}//剩余的非uniform pattern归为一类sumLBP+=lastLBP;myVec.push_back(lastLBP);for (itVec=myVec.begin(); itVec!=myVec.end(); itVec++){vec_out.push_back(*itVec/double(sumLBP));}//归一化处理，使用直方图进行表示，包含59个bins}