LBP算子(局部二進制模式)
出自2002 ojala PAMI
紋理分類算子,LBP構造了衡量一個像素點和它鄰域像素之間關系,即對于3*3的鄰域,其各像素與中心像素大小關系,構成二進制數。當大于中心點的像素值時,則被二值化為1,小于二值化為0,然後以順時針方向構成二進制數。
LBP有2^p個二進制模式。其中p為周圍像素點個數。
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsIiNxkzNwIDN2EDMykDM2EDMy8CX0Vmbu4GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.jpg)
LBP量化像素點與其周圍的像素點,可以有效的去除光照對圖像的影響,隻要光照變化不足以改變兩個像素點之間的大小關系,那麼就不會改變LBP二值化的值。
下面有幾個LBP變形:
uniform模式
LBP二進制模式與周圍像素點個數有着直接關系,對于半徑為R含有P個采樣點的LBP算子有2^P個。當鄰域越大時,其二進制的模式急劇遞增。如8個采樣點有256種二進制模式,而20個采樣點有2^20=1048576種二進制模式。
在實際圖像中絕大多數LBP模式最多隻包括兩次從1到0或0到1的跳變。是以該模式叫uniform模式。而二進制模式種類從2^P個降到2+2*(P-1)+2*C_(P-1)^2=(P-1)P+2個。其中跳變0次有2種,跳變1次有2*(P-1)種,跳變2次有2*C_(P-1)^2種。
旋轉模式
無論圖像怎麼旋轉,對點提取的二進制特征的最小值是不變的,用最小值作為提取的LBP特征,這樣LBP就是旋轉不變的
用途:
可用于人臉識别和表情識别
優點:二進制數,可定點化,速度快,而效果可與Haar齊平。因為LBP和Haar檢測的準确率,是依賴訓練過程中的訓練資料的品質和訓練參數。