图像特征提取——局部二值模式（LBP）、局部三值模式（LTP）
作者：互联网
一、LBP算子
局部二值模式是一种灰度范围内的非参数描述子，具有对灰度变化不敏感且计算速度快等优点[1].LBP算子利用中心像素的领域像素与中心像素的比较结果进行编码。常见的LBPP,R模式有：
P,R分别代表领域像素点的个数和领域半径，上图所示分别为8点半径为1；16点半径为2；8点半径为2的模式。
LBP算子计算实例如下：从左上角开始，沿顺时针方向依次与中心像素进行比较，如果大于等于中心像素的取值为1，否则为0.得到一个01序列，我们视为一个二进制数。将二进制数转化为十进制数即可。
LBP算子的数学表述如下：
以下，我们根据实例来编写代码：
clear all;
clc;
img=imread('lena.jpg');
img=rgb2gray(img);
[m,n]=size(img);
imgn=zeros(m,n);
for i=2:m-1
for j=2:n-1
for p=i-1:i+1
for q =j-1:j+1
if img(p,q) > img(i,j)||img(p,q) ==img(i,j)
if p~=i || q~=j
if(p==i&&q==j-1)
imgn(i,j)=imgn(i,j)+2^0;
end
if(p==i+1&&q==j-1)
imgn(i,j)=imgn(i,j)+2^1;
end
if(p==i+1&&q==j)
imgn(i,j)=imgn(i,j)+2^2;
end
if(p==i+1&&q==j+1)
imgn(i,j)=imgn(i,j)+2^3;
end
if(p==i&&q==j+1)
imgn(i,j)=imgn(i,j)+2^4;
end
if(p==i-1&&q==j+1)
imgn(i,j)=imgn(i,j)+2^5;
end
if(p==i-1&&q==j)
imgn(i,j)=imgn(i,j)+2^6;
end
if(p==i-1&&q==j-1)
imgn(i,j)=imgn(i,j)+2^7;
end
end
end
end
end
end
end
figure;subplot(1,2,1),imshow(img),title('原图');
subplot(1,2,2),imshow(imgn,[]),title('LBP');
代码输出结果如下：
二、旋转不变LBP算子
在LGS算子里，我们提到，这一类算子虽然在刻画领域相对明暗时非常有效，但是一旦图像发生旋转，则立即失效。与LGS算子不同的是，LBP算子中的P个位于同一个圆上，我们单纯考虑算子的图形时，算子每转过360/P度时，图形都能与原来重合，这是LGS算子难以做到。所以我们也因此就引入了旋转不变LBP算子。
我们考虑酒桌上转盘上的菜，我们知道无论转盘如何旋转，转盘上的菜品相对位置都是不变的。也就是说，如果我们将眼前的菜按顺时针标记为0123456789。在他旋转的过程中，我们总能在桌子前的某一位置按照0123456789确定这一桌菜确实就是我所参与饭局的这一桌菜。
我们回来考虑图像，旋转不变性，我们也只需要考虑算子在旋转过程中是否满足某一准则。正如我们说到的酒桌的例子一样。对于一个8点LBP算子而言，经过不同角度的旋转，我们最终会有8个序列组成的二进制数，也就是说能产生8个十进制数，如果我们以最小的那个二进制数为标记，经过旋转，大于它的LBP算子我们一律以最小值来考虑，经过旋转，但得到的算子结果是一样的。这样就能克服旋转带来的变化。
其数学表达为：
三、局部三值模式
在LBP算子的基础之上，三值模式非常好理解。
即把原来非1即0的情况，改成了1，0，-1的情况。
与LBP算子不同的是，由于引入了-1，会出现负数的情况，所以在三值模式下，算子分程一正一负进行编码。
由于中心像素作为阈值的存在，使得LTP算子具有更好的光照鲁棒性，能提升其鉴别能力。
代码如下：
img=imread('lena.jpg');
img=rgb2gray(img);
t=5;
img=double(img);
[m n]=size(img);
imgn_upper=zeros(m,n);%初始化结果矩阵(正值)
imgn_lower=zeros(m,n);%初始化结果矩阵(负值)
for i=2:m-1
for j=2:n-1
for p=i-1:i+1%遍历周边像素
for q =j-1:j+1
if p~=i || q~=j %不取目标像素
%%%正值提取结果
if (img(p,q) - img(i,j))>t||(img(p,q) - img(i,j))==t
if(p==i&&q==j-1)
imgn_upper(i,j)=imgn_upper(i,j)+2^0;
end
if(p==i+1&&q==j-1)
imgn_upper(i,j)=imgn_upper(i,j)+2^1;
end
if(p==i+1&&q==j)
imgn_upper(i,j)=imgn_upper(i,j)+2^2;
end
if(p==i+1&&q==j+1)
imgn_upper(i,j)=imgn_upper(i,j)+2^3;
end
if(p==i&&q==j+1)
imgn_upper(i,j)=imgn_upper(i,j)+2^4;
end
if(p==i-1&&q==j+1)
imgn_upper(i,j)=imgn_upper(i,j)+2^5;
end
if(p==i-1&&q==j)
imgn_upper(i,j)=imgn_upper(i,j)+2^6;
end
if(p==i-1&&q==j-1)
imgn_upper(i,j)=imgn_upper(i,j)+2^7;
end
%%%负值提取结果
elseif (img(p,q) - img(i,j))<-t||(img(p,q) - img(i,j))==-t
if(p==i&&q==j-1)
imgn_lower(i,j)=imgn_lower(i,j)+2^0;
end
if(p==i+1&&q==j-1)
imgn_lower(i,j)=imgn_lower(i,j)+2^1;
end
if(p==i+1&&q==j)
imgn_lower(i,j)=imgn_lower(i,j)+2^2;
end
if(p==i+1&&q==j+1)
imgn_lower(i,j)=imgn_lower(i,j)+2^3;
end
if(p==i&&q==j+1)
imgn_lower(i,j)=imgn_lower(i,j)+2^4;
end
if(p==i-1&&q==j+1)
imgn_lower(i,j)=imgn_lower(i,j)+2^5;
end
if(p==i-1&&q==j)
imgn_lower(i,j)=imgn_lower(i,j)+2^6;
end
if(p==i-1&&q==j-1)
imgn_lower(i,j)=imgn_lower(i,j)+2^7;
end
end
end
end
end
end
end
subplot(1,2,1),imshow(imgn_upper,[]),title('LTP正值提取');
subplot(1,2,2),imshow(imgn_lower,[]),title('LTP负值提取');
代码输出结果：
参考文献;
[1]李思.复杂光照下图像特征提取.（D）.西安：长安大学，2018.
2019-05-08
17:32:43
标签：LBP,end,imgn,img,upper,局部,模式,&&,算子 来源： https://www.cnblogs.com/lyxyhhxbk/p/10816863.html