計算機視覺學習初識LBP算法.

1、計算機視覺學習初識LBP算法LBP（Local Binary Pattern）uLBP特征是根據(jù)相鄰的像素點與中間相鄰點相比的大小確定置為1或0，然后對每個像素點的領域信息進行整合，變?yōu)轭I域個位的數(shù)的編碼。然后對一個塊中所有像素的編碼進行直方圖的統(tǒng)計，得到LBP特征。u一個LBP操作可以被定義為： S是符號函數(shù)，定義為：u總結：這種方法可以很好的捕捉到圖像中的細節(jié)，但是固定的近鄰區(qū)域對于尺度變化的編碼失效。為了適應不同尺度的紋理特征，Ojala對于LPB算子進行了改進，將3*3鄰域擴展到任意鄰域，并且用圓形代替正方形。函數(shù)表示均勻模式的LBP算子 近鄰點計算 u雙線性插值算法的引入如果近鄰點不

2、在圖像的坐標上，如何 確定該點的像素值？其中R是圓的半徑，P是樣本點的個數(shù)雙線性插值u線性插值：假設A點的值為5，C點的值為3，AC間插值，則B點的值為4A（0，0）B（1，0）C（2，0）u 如果B不在AC連線之間，就采用雙線性插值，雙線性插值的思想就是在兩個方向上分別進行一次線性插值。如右圖所示：已知Q11，Q12，Q22，Q21四個點，要插值的點為P，則采用雙線性插值。雙線性插值 化簡：雙線性插值如果選擇一個坐標系統(tǒng)使得 u 如果選擇一個坐標系統(tǒng)使得四個已知點的坐標分別為（0，0），（0，1），（1，1），（1，0），那么插值公式就可以簡化為：u 用矩陣的形式表示：u 再一次簡化：注意：

3、雖然是雙線性插值，但最后的結構是非線性的。LPB如何實現(xiàn)旋轉不變性？u LPB特征是灰度不變，但不是旋轉不變的，同一幅圖像，進行旋轉以后，其特征將會有很大的差別，影響匹配的精度。Ojala在LBP算法上，進行改進，實現(xiàn)了具有旋轉不變性的LPB的特征。實現(xiàn)方法：不斷旋轉圓形鄰域得到一系列初始定義的LPB值，取最 小值作為該鄰域的值。 LPB如何實現(xiàn)旋轉不變性？u 求取旋轉不變的LPB特征示意圖對于鄰域像素順序的規(guī)定并沒有明確的規(guī)定，上圖默認為水平方向左側為起始點，逆時針旋轉。圖中8種模式所對應的LPB模式都是：00001111。LPB等價模式問題的引出： 等價模式對LPB算子的模式種類進行降維。解決方法：LPB等價模式Ojala等認為，在實際圖像中，絕大多數(shù)LPB模式最多只包含兩次從1到0或從0到1的跳變。等價模式：當某個局部二進制模式所對應的循環(huán)二進制數(shù)從0到1或從1 到0最多有兩次跳變時，該局部二進制模式所對應的二進制 就稱為一個等價模式。比如：00000000，11111111，11110010，10111111都是等價模式。檢查某種模式是否是等價模式： LPB等價模式混合模式：除了等價模式之外的稱為混合模式。 可以通過低通濾波的方法來增強等價模式所占的比例。圖c經過高斯濾波后，其等價模式所占比可以