一幅的特徵：紋理特徵、顏色特徵、形狀特徵、空間關係特徵。這裡說記錄一下紋理特徵：
lbp（local binary pattern）指區域性二值模式，是一種用來描述影象區域性紋理特徵的運算元，lbp特徵具有灰度不變性和旋轉不變性等顯著優點。
它是由t. ojala, m.pietikäinen, 和 d. harwood [1][2]在2023年提出，由於lbp特徵計算簡單、效果較好，因此lbp特徵在計算機視覺的許多領域都得到了廣泛的應用，lbp特徵比較出名的應用是用在人臉識別和目標檢測中，在計算機視覺開源庫opencv中有使用lbp特徵進行人臉識別的介面，也有用lbp特徵訓練目標檢測分類器的方法，opencv實現了lbp特徵的計算，但沒有提供乙個單獨的計算lbp特徵的介面。
1、lbp特徵的描述
原始的lbp運算元定義為在3*3的視窗內，以視窗中心畫素為閾值，將相鄰的8個畫素的灰度值與其進行比較，若周圍畫素值大於中心畫素值，則該畫素點的位置被標記為1，否則為0。這樣，3*3鄰域內的8個點經比較可產生8位二進位制數（通常轉換為十進位制數即lbp碼，2^8共256種），即得到該視窗中心畫素點的lbp值，並用這個值來反映該區域的紋理資訊。如下圖所示：
公式表示如下：(xc
,yc)
為中心畫素的座標，p為鄰域的第p個畫素，ip
為鄰域畫素的灰度值，ic
為中心畫素的灰度值，s(
x)為符號函式
lbp的改進版本：
原始的lbp提出後，研究人員不斷對其提出了各種改進和優化。
（1）圓形lbp運算元：
基本的lbp運算元的最大缺陷在於它只覆蓋了乙個固定半徑範圍內的小區域，這顯然不能滿足不同尺寸和頻率紋理的需要。為了適應不同尺度的紋理特徵，並達到灰度和旋轉不變性的要求，ojala等對lbp運算元進行了改進，將3×3鄰域擴充套件到任意鄰域，並用圓形鄰域代替了正方形鄰域，改進後的lbp運算元允許在半徑為r 的圓形鄰域內有任意多個畫素點。從而得到了諸如半徑為r的圓形區域內含有p個取樣點的lbp運算元；
（2）lbp旋轉不變模式
從lbp 的定義可以看出，lbp 運算元是灰度不變的，但卻不是旋轉不變的。影象的旋轉就會得到不同的lbp值。
maenpaa等人又將lbp運算元進行了擴充套件，提出了具有旋轉不變性的lbp運算元，即不斷旋轉圓形鄰域得到一系列初始定義的lbp值，取其最小值作為該鄰域的lbp值。
圖2.5 給出了求取旋轉不變的lbp 的過程示意圖，圖中運算元下方的數字表示該運算元對應的lbp值，圖中所示的8種lbp模式，經過旋轉不變的處理，最終得到的具有旋轉不變性的lbp值為15。也就是說，圖中的8種lbp 模式對應的旋轉不變的lbp模式都是00001111。
（3）lbp等價模式
乙個lbp運算元可以產生不同的二進位制模式，對於半徑為r的圓形區域內含有p個取樣點的lbp運算元將會產生p2
種模式。很顯然，隨著鄰域集內取樣點數的增加，二進位制模式的種類是急劇增加的。例如：5×5鄰域內20個取樣點，有220
＝1,048,576種二進位制模式。如此多的二值模式無論對於紋理的提取還是對於紋理的識別、分類及資訊的訪問都是不利的。同時，過多的模式種類對於紋理的表達是不利的。例如，將lbp運算元用於紋理分類或人臉識別時，常採用lbp模式的統計直方圖來表達影象的資訊，而較多的模式種類將使得資料量過大，且直方圖過於稀疏。因此，需要對原始的lbp模式進行降維，使得資料量減少的情況下能最好的代表影象的資訊。
為了解決二進位制模式過多的問題，提高統計性，ojala提出了採用一種「等價模式」（uniform pattern）來對lbp運算元的模式種類進行降維。ojala等認為，在實際影象中，絕大多數lbp模式最多隻包含兩次從1到
0或從0到
1的跳變。因此，ojala將「等價模式」定義為：當某個
lbp所對應的迴圈二進位制數從0到
1或從1到
0最多有兩次跳變時，該
lbp所對應的二進位制就稱為乙個等價模式類。如00000000（0次跳變），00000111（只含一次從0到1的跳變），10001111（先由1跳到0，再由0跳到1，共兩次跳變）都是等價模式類。除等價模式類以外的模式都歸為另一類，稱為混合模式類，例如10010111（共四次跳變）（這是我的個人理解，不知道對不對）。
通過這樣的改進，二進位制模式的種類大大減少，而不會丟失任何資訊。模式數量由原來的2p
種減少為p ( p-1)+2種，其中p表示鄰域集內的取樣點數。對於3×3鄰域內8個取樣點來說，二進位制模式由原始的256種減少為58種，這使得特徵向量的維數更少，並且可以減少高頻雜訊帶來的影響。
3、對lbp特徵向量進行提取的步驟
（1）首先將檢測視窗劃分為16×16的小區域（cell）；
（2）對於每個cell中的乙個畫素，將相鄰的8個畫素的灰度值與其進行比較，若周圍畫素值大於中心畫素值，則該畫素點的位置被標記為1，否則為0。這樣，3*3鄰域內的8個點經比較可產生8位二進位制數，即得到該視窗中心畫素點的lbp值；
（3）然後計算每個cell的直方圖，即每個數字（假定是十進位制數lbp值）出現的頻率；然後對該直方圖進行歸一化處理。
（4）最後將得到的每個cell的統計直方圖進行連線成為乙個特徵向量，也就是整幅圖的lbp紋理特徵向量；
然後便可利用svm或者其他機器學習演算法進行分類了。
紋理特徵 LBP
紋理是物體表面的固有特徵之一，可認為是灰度 顏色 在空間以一定的形式變化而產生的圖案 模式 lbp local binary pattern,區域性二值模式 是一種用來描述影象區域性紋理特徵的運算元 它的作用是進行特徵提取，提取影象的區域性紋理特徵 原始的lbp運算元定義為在3 3的視窗內，以視窗中...
LBP紋理特徵
lbp方法 local binary patterns 是乙個計算機視覺中用於影象特徵分類的乙個方法。lbp方法在1994年首先由t.ojala,m.pietik inen,和 d.harwood 提出 43 44 用於紋理特徵提取。後來lbp方法與hog特徵分類器聯合使用，改善了一些資料集 45 ...
紋理特徵 LBP的擴充套件DLBP
參考文獻 background subtraction based on a combination of texture,color and intensity icsp 2008 文獻在lbp的基礎上，提出了dlbp特徵 double local binary pattern.lbp的缺點 1 ...