[研究]特徵值計算01-Local binary pattern(LBP) histogram

最近沒時間寫新文章，只好把舊的存檔哪出來充數，有些文章之前寫了一點，就被丟到倉庫了，現在正好可以清倉拍賣:P


這是前陣子做實驗的時候寫的一個計算LBP histogram的的小程式，這個LBP特徵又被稱為Uniform LBP，因為它沒有Weight的概念，又或者可以說它的Weight都是1。以下簡單說明Uniform LBP的算法：


LBP是一種用來描述區域紋理變化的特徵計算方式。其計算速度非常的快，相當適合使用在真實的即時系統之中。而缺點則是在平滑影像上的效果差強人意(例如:天空或飾海洋)，因為平滑影像的灰階值太過相近。最近幾年，LBP演算法在人臉辨識的領域也相當受到關注


以下用3X3大小的區塊說明LBP histogram的計算方式。

第一步我們要先將周圍的灰階與中心點相減之後做二值化(Threholding)。像這樣：
55-43=＋12>0 則二值化後，其值=1
35-43=－08<0 則二值化後，其值=0
28-43=－15<0 則二值化後，其值=0
52-43=＋09>0 則二值化後，其值=1



所以我們可以得這樣的結果。




接下來，我們要依照2的次方排列相關位置的權重。由左到右，由上到下分別是 2的0次方=1、2的1次方=2、2的2次方=4、2的3次方=8，以此類推。因此會形成下面的權重方塊。




將權重方塊和我們在第一步得到的結果相乘以後再相加，像這樣：
1X1+0X2+1X4+1X8+0X16+0X32+1X64+1X128=205
就是這3X3區塊的LBP值。



對整張圖片做迭代(iterative)就可以統計出這張圖片的LBP histogram。 也就是一張圖有三個區塊，算出的LBP值分別是205 20 205，那LBP histogram就是一個256大小的陣列lbpArray。 其中205的位置lbpArray[20]=1、lbpArray[205]=2，其他部分都是0的稀疏矩陣。



以上方法是計算整張圖片的LBP直方圖(Uniform LBP )。



我用BCB寫了一個小程式，用來計算所選資料夾下所有圖片的LBP histogram並將這些存到記事本中，大家可以參考看看，裡面的一些程式是擷取自芬蘭奧魯大學的教授所開發的C++ Library中

軟體訊息

---

名 稱：Uniform LBP計算工具

下載點：下載

如果覺得本文對您有幫助，歡迎訂閱悶騷男的RSS