LBP算法的研究及其实现

来源：互联网发布：小牛网络淘宝客编辑：程序博客网时间：2024/05/15 15:14

原文：http://blog.csdn.net/dujian996099665/article/details/8886576

一，原始LBP算法

LBP的基本思想是对图像的像素和它局部周围像素进行对比后的结果进行求和。把这个像素作为中心，对相邻像素进行阈值比较。如果中心像素的亮度大于等于他的相邻像素，把他标记为1，否则标记为0。你会用二进制数字来表示每个像素，比如11001111。因此，由于周围相邻8个像素，你最终可能获取2^8个可能组合，被称为局部二值模式，有时被称为LBP码。第一个在文献中描述的LBP算子实际使用的是3*3的邻域

一个更加正式的LBP操作可以被定义为

其中是中心像素，亮度是；而则是相邻像素的亮度。s是一个符号函数：

这种描述方法使得你可以很好的捕捉到图像中的细节。实际上，研究者们可以用它在纹理分类上得到最先进的水平。正如刚才描述的方法被提出后，固定的近邻区域对于尺度变化的编码失效。所以，使用一个变量的扩展方法，在文献[AHP04]中有描述。主意是使用可变半径的圆对近邻像素进行编码，这样可以捕捉到如下的近邻：

对一个给定的点，他的近邻点可以由如下计算：

其中，R是圆的半径，而P是样本点的个数。

这个操作是对原始LBP算子的扩展，所以有时被称为扩展LBP(又称为圆形LBP)。如果一个在圆上的点不在图像坐标上，我们使用他的内插点。计算机科学有一堆聪明的插值方法，而OpenCV使用双线性插值。

二.原始LBP算法的实现

附上代码：

// LBP.cpp : 定义控制台应用程序的入口点。  //      /***********************************************************************  * OpenCV 2.4.4 测试例程  * 杜健健 提供  ***********************************************************************/    #include "stdafx.h"  #include <opencv2/opencv.hpp>  #include  <cv.h>   #include  <highgui.h>  #include  <cxcore.h>     using namespace std;  using namespace cv;     //原始的LBP算法  //使用模板参数    template <typename _Tp> static  void olbp_(InputArray _src, OutputArray _dst) {      // get matrices      Mat src = _src.getMat();      // allocate memory for result      _dst.create(src.rows-2, src.cols-2, CV_8UC1);      Mat dst = _dst.getMat();      // zero the result matrix      dst.setTo(0);        cout<<"rows "<<src.rows<<" cols "<<src.cols<<endl;      cout<<"channels "<<src.channels();      getchar();      // calculate patterns      for(int i=1;i<src.rows-1;i++) {          cout<<endl;          for(int j=1;j<src.cols-1;j++) {                            _Tp center = src.at<_Tp>(i,j);              //cout<<"center"<<(int)center<<"  ";              unsigned char code = 0;              code |= (src.at<_Tp>(i-1,j-1) >= center) << 7;              code |= (src.at<_Tp>(i-1,j  ) >= center) << 6;              code |= (src.at<_Tp>(i-1,j+1) >= center) << 5;              code |= (src.at<_Tp>(i  ,j+1) >= center) << 4;              code |= (src.at<_Tp>(i+1,j+1) >= center) << 3;              code |= (src.at<_Tp>(i+1,j  ) >= center) << 2;              code |= (src.at<_Tp>(i+1,j-1) >= center) << 1;              code |= (src.at<_Tp>(i  ,j-1) >= center) << 0;                dst.at<unsigned char>(i-1,j-1) = code;              //cout<<(int)code<<" ";              //cout<<(int)code<<endl;          }      }  }    //基于旧版本的opencv的LBP算法opencv1.0  void LBP (IplImage *src,IplImage *dst)  {      int tmp[8]={0};      CvScalar s;        IplImage * temp = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U,1);      uchar *data=(uchar*)src->imageData;      int step=src->widthStep;        cout<<"step"<<step<<endl;        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;            else              tmp[0]=0;            if(data[i*step+(j-1)]>data[i*step+j])              tmp[1]=1;            else              tmp[1]=0;            if(data[(i+1)*step+(j-1)]>data[i*step+j])              tmp[2]=1;            else              tmp[2]=0;            if (data[(i+1)*step+j]>data[i*step+j])              tmp[3]=1;        else              tmp[3]=0;            if (data[(i+1)*step+(j+1)]>data[i*step+j])              tmp[4]=1;            else              tmp[4]=0;            if(data[i*step+(j+1)]>data[i*step+j])              tmp[5]=1;            else              tmp[5]=0;            if(data[(i-1)*step+(j+1)]>data[i*step+j])              tmp[6]=1;            else              tmp[6]=0;            if(data[(i-1)*step+j]>data[i*step+j])              tmp[7]=1;            else              tmp[7]=0;               //计算LBP编码              s.val[0]=(tmp[0]*1+tmp[1]*2+tmp[2]*4+tmp[3]*8+tmp[4]*16+tmp[5]*32+tmp[6]*64+tmp[7]*128);                    cvSet2D(dst,i,j,s);写入LBP图像        }  }        int _tmain(int argc, _TCHAR* argv[])  {      //IplImage* face = cvLoadImage("D://input//yalefaces//01//s1.bmp",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);      IplImage* face = cvLoadImage("D://input//lena.jpg",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);      //IplImage* lbp_face =   cvCreateImage(cvGetSize(face), IPL_DEPTH_8U,1);        IplImage* Gray_face = cvCreateImage( cvSize( face->width,face->height ), face->depth, 1);//先分配图像空间      cvCvtColor(face, Gray_face ,CV_BGR2GRAY);//把载入图像转换为灰度图      IplImage* lbp_face =   cvCreateImage(cvGetSize(Gray_face), IPL_DEPTH_8U,1);//先分配图像空间        cvNamedWindow("Gray Image",1);      cvShowImage("Gray Image",Gray_face);        //Mat face2 = imread("D://input//buti.jpg",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);      Mat face2 = imread("D://input//yalefaces//01//s1.bmp",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);      //Mat Gray_face2 = Mat::zeros(face2.size(),IPL_DEPTH_8U,1);        //cvCvtColor(face2,Gray_face2,CV_BGR2RAY);      Mat lbp_face2 = Mat::zeros(face2.size(),face2.type()) ;      //Mat::copyTo(lbp_face,face);          //显示原始的输入图像      cvNamedWindow("Src Image",CV_WINDOW_AUTOSIZE);      cvShowImage("Src Image",face);      //imshow("Src Image",face);        //计算输入图像的LBP纹理特征      LBP(Gray_face,lbp_face);      //olbp_<uchar>((Mat)face,(Mat)lbp_face);//有问题的调用      olbp_<uchar>(face2,lbp_face2);              //显示第一幅图像的LBP纹理特征图      cvNamedWindow("LBP Image",CV_WINDOW_AUTOSIZE);      cvShowImage("LBP Image",lbp_face);      //显示第二幅图 的LBP纹理特征图-一张yaleface人脸库中的人脸LBP特征图      namedWindow("LBP Image2",1);      imshow("LBP Image2",lbp_face2);      waitKey();        //cvReleaseImage(&face);      cvDestroyWindow("Src Image");         return 0;    }