OpenCV与图像处理学习十五——LBP纹理特征(含代码)

OpenCV与图像处理学习十五——LBP纹理特征(含代码)

  • 一、LBP介绍
  • 二、LBP原理
  • 三、代码应用

一、LBP介绍

LBP(Local Binary Pattern, 局部二值模式) , 是一种用来描述图像局部纹理特征的算子; 它具有旋转不变性和灰度不变性等显著的优点;

作者: T. Ojala, M.Pietikäinen, 和 D. Harwood ;

提出时间: 1994年

二、LBP原理

LBP算子定义在一个 3 × 3 的窗口内, 以窗口中心像素为阈值, 与相邻的8个像素的灰度值比较, 若周围的像素值大于中心像素值, 则该位置被标记为1; 否则标记为0。如此可以得到一个8位二进制数(通常还要转换为10进制, 即LBP码, 共256种) , 将这个值作为窗口中心像素点的LBP值, 以此来反应这个3× 3区域的纹理信息。

在这里插入图片描述
用数学公式表示:
在这里插入图片描述
其中, p表示 3 × 3 窗口中除中心像素点外的第p个像素点;I( c )表示中心像素点的灰度值, I( p )表示领域内第p个像素点的灰度值;s(x)公式如下:
在这里插入图片描述

  1. LBP记录的是中心像素点与领域像素点之间的差值;
  2. 当光照变化引起像素灰度值同增同减时, LBP变化并不明显;
  3. LBP对与光照变化不敏感, LBP检测的仅仅是图像的纹理信息

三、代码应用

import cv2
import numpy as npdef LBP(src):''':param src:灰度图像:return:'''height = src.shape[0]width = src.shape[1]dst = src.copy()lbp_value = np.zeros((1, 8), dtype=np.uint8)# print(lbp_value)neighbours = np.zeros((1, 8), dtype=np.uint8)# print(neighbours)for x in range(1, width - 1):for y in range(1, height - 1):neighbours[0, 0] = src[y - 1, x - 1]neighbours[0, 1] = src[y - 1, x]neighbours[0, 2] = src[y - 1, x + 1]neighbours[0, 3] = src[y, x - 1]neighbours[0, 4] = src[y, x + 1]neighbours[0, 5] = src[y + 1, x - 1]neighbours[0, 6] = src[y + 1, x]neighbours[0, 7] = src[y + 1, x + 1]center = src[y, x]for i in range(8):if neighbours[0, i] > center:lbp_value[0, i] = 1else:lbp_value[0, i] = 0lbp = lbp_value[0, 0] * 1 + lbp_value[0, 1] * 2 + lbp_value[0, 2] * 4 + lbp_value[0, 3] * 8 \+ lbp_value[0, 4] * 16 + lbp_value[0, 5] * 32 + lbp_value[0, 6] * 64 + lbp_value[0, 7] * 128# print(lbp)dst[y, x] = lbpreturn dstimg = cv2.imread('image/people.jpg', 0)
print(img.shape)
cv2.imshow('src', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
new_img = LBP(img)cv2.imshow('dst', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入的图像(灰度变化后的):
在这里插入图片描述
LBP特征变化后的结果:
在这里插入图片描述
ps:这个特征提取的过程稍微有点慢。。。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491593.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

pycharm运行程序时看不到任何结果显示

原因是用程序选择了console来运行,取消console方法如下: Run->Edit Configurations 取消run with python console的勾

iOS 的 XMPPFramework 简介

XMPPFramework是一个OS X/iOS平台的开源项目,使用Objective-C实现了XMPP协议(RFC-3920),同时还提供了用于读写XML的工具,大大简化了基于XMPP的通信应用的开发。 1. 登录和好友上下线 1.1XMPP中常用对象们 XMPPStream&a…

OpenCV与图像处理学习十六——模板匹配

OpenCV与图像处理学习十六——模板匹配一、模板匹配介绍二、代码应用一、模板匹配介绍 模板匹配是一种最原始、最基本的模式识别方法,研究某一特定目标的图像位于图像的什么地方,进而对图像进行定位。 在待检测的图像上,从左到右&#xff0…

李剑锋:意识科学就在身边

来源: 科技日报-中国科技网近些年,生命科学家开始关注神奇的大脑,因此各国纷纷提出各自的脑计划;当前有一个更基础的、但极富争议性的领域却被大家忽视了,就是意识科学。事实脑计划的终点应该就是意识科学,但由于目前大…

tf.train.get_checkpoint_state

函数功能:找出训练时保存的模型 ckpt.model_checkpoint_path可以找出所有模型中最新的模型 ckpt tf.train.get_checkpoint_state(/mnist/summary/train) if ckpt and ckpt.model_checkpoint_path:print(ckpt.model_checkpoint_path) 输出: /mnist/s…

永恒的终结

无意间在豆瓣发现这本书,是阿西莫夫写的,对他的基地系列和银河帝国系列仰慕很久了,却因太长没有时间看.看这本<<永恒的终结>>篇幅不是很长,也就拿过来看了. 故事是这样的.在24世纪一个叫马兰松的的科学家发明了一种叫"时空力场"的东西,东西太超前,人们在…

OpenCV与图像处理学习十七——OpenCV人脸检测(含代码)

OpenCV与图像处理学习十七——OpenCV人脸检测&#xff08;含代码&#xff09;一、人脸识别概要1.1 人脸检测1.2 人脸对齐&#xff08;Face Alignment&#xff09;1.3 人脸特征提取&#xff08;Face Feature Extraction&#xff09;1.4 人脸识别&#xff08;Face Recognition&am…

清华大学:人工智能之知识图谱(附PPT)

来源&#xff1a;笑看国际风云【导读】知识图谱&#xff08;Knowledge Graph)是人工智能重要分支知识工程在大数据环境中的成功应用&#xff0c;知识图谱与大数据和深度学习一起&#xff0c;成为推动互联网和人工智能发展的核心驱动力之一。基于此背景&#xff0c;《人工智能之…

RandomShuffleQueue '_1_input/shuffle_batch/random_shuffle_queue' is closed and has insufficient elem

TensorFlow报错&#xff1a; RandomShuffleQueue _1_input/shuffle_batch/random_shuffle_queue is closed and has insufficient elements (requested 128, current size 0) image tf.decode_raw(features[image_raw], tf.float32) 将tf.float32改成tf.float64或者tf.uint…

Day10

会议讨论 628&#xff1a;今天是冲刺的最后一天了&#xff0c;好紧张好激动&#xff0c;我们组还有好些个功能没实现呢&#xff0c;感觉崩崩哒&#xff01;还要实现选择不同的专业导入不同的课表呢。 601&#xff1a;在修改教师帐号信息的页面要有当密码格式、用户名格式等不符…

有关EUV光刻机,你需要知道这些

来源&#xff1a;technews晶圆制造产业进入7 纳米制程之后&#xff0c;目前全世界仅剩台积电与三星&#xff0c;再加上号称自家10 纳米制程优于竞争对手7 纳米制程的英特尔等&#xff0c;有继续开发能力之外&#xff0c;其他竞争者因须耗费大量金钱与人力物力的情况下&#xff…

读取打印TFRecord格式数据

在读取和打印TFRecord格式数据时&#xff0c;必须加入线程机制&#xff0c;否则打印不出任何结果 import tensorflow as tffilename_queue tf.train.string_input_producer([train.tfrecords], shuffleTrue) reader tf.TFRecordReader() _, serialized_example reader.read…

Java finally 的用法

Java finally 的用法&#xff0c;看这一篇就够了

我的iOS学习历程 - UISegmentedControl

今天学习的是UISegmentedControl,相当于一个切换的分区栏,例如看小说会分最新,最热等,可以用此控件来进行切换 1.初始化(用数组进行初始化)并添加到视图上 // 数组中初始化必须是字符串 或者 图片 // 如果选用图片初始化 必须使用镂空图NSArray *stringArray ["第…

多家巨头实测鸿蒙系统:比安卓快60%

来源&#xff1a;腾讯新闻&#xff0c;数码科技大爆炸众所周知&#xff0c;近期&#xff0c;华为被打压和打击的事件一直没有停止&#xff0c;但华为并没有坐以待毙&#xff0c;很快就启动了“备胎计划”给予积极的回击和反击&#xff0c;像保险柜里的海思“备胎芯片”、华为自…

numpy将bool值转换成数值

用np.array().astype(int) label np.array([0, 1, 0]) predict_label np.array([1, 0, 0]) false_num np.array(label ! predict_label).astype(int) print(false_num) # [1 1 0]

混淆矩阵及分类性能评估方法

混淆矩阵&#xff1a; 公式&#xff1a;其中TPR又叫召回率Recall

《细胞》:打破百年生物学法则,记忆可以遗传给下一代,甚至可能跨越多代...

来源&#xff1a;转载自iNature许多人推测大脑活动可能以某种方式产生可遗传的变化&#xff0c;这将影响下一代的命运。然而&#xff0c;这一想法虽然具有吸引力&#xff0c;却挑战了生物学的基本法则之一&#xff0c;也被称为“生物学的第二定律”&#xff0c; “Weismann障碍…

java对象初始化顺序

java对象初始化顺序