本文主要是介绍基于局部统一模式LBP及MB-LBP的特征提取，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1、IsUniform（）
检查bit是否为统一化模式（0、1转换不多于2个），把统一化模式的放在直方图收集箱bin，其他放置于公用收集箱。
function bUni = IsUniform(bits)
% 判断某一个位串模式 bits 是否是 uniform 模式
%
% 输入：bits --- 二进制LBP模式串
%
% 返回值：bUni --- =1，if bits 是uniform模式串；=2，if bits 不是uniform模式串 n = length(bits); nJmp = 0; % 位跳变数（0->1 or 1->0）
for ii = 1 : (n-1) if( bits(ii) ~= bits(ii+1) ) nJmp = nJmp+1; end
end
if bits(n) ~= bits(1) nJmp = nJmp+1;
end if nJmp > 2 bUni = false;
else bUni = true;
end
2、makeLBPMap（）
获取映射表vecLBPMap，将灰度gray落入第vecLBPMap(gray+1)号收集箱。
function vecLBPMap = makeLBPMap
% 生成(8,2)临域uniform LBP直方图的映射关系，即将256个灰度值映射到59个收集箱中，
% 所有的非 uniform 放入一个收集箱中 vecLBPMap = zeros(1, 256); %初始化映射表 bits = zeros(1, 8); %8位二进模式串 nCurBin = 1; for ii = 0:255 num = ii; nCnt = 0; % 获得灰度num的二进制表示bits while (num) bits(8-nCnt) = mod(num, 2); num = floor( num / 2 ); nCnt = nCnt + 1; end if IsUniform(bits) % 判断bits是不是uniform模式 vecLBPMap(ii+1) = nCurBin;% 每个uniform模式分配一个收集箱 nCurBin = nCurBin + 1; else vecLBPMap(ii+1) = 59;%所有非uniform模式都放入第59号收集箱 end end % 保存映射表
save('MatLBPMap.mat', 'vecLBPMap'); 3、getLBPFea()
获得LBP统计直方图特征.
%getLBPFea.m
function [histLBP, MatLBP] = getLBPFea(I)
% 计算分区图像 I 的LBP特征,(8,2),uniform
%
% 输入：I --- 分区图像
%
% 返回值: MatLBP --- LBP响应矩阵
% histLBP --- 1维行向量，LBP直方图 % 获得分块图像I的大小
[m n] = size(I);
rad = 2;
if (m <= 2*rad) || (n <= 2*rad) error('I is too small to compute LBP feature!');
end MatLBP = zeros(m-2*rad, n-2*rad); % 读入 LBP 映射(像素灰度与直方图收集箱索引的映射)
load MatLBPMap.mat; for ii = 1+rad : m-rad for jj = 1+rad : n-rad nCnt = 1; % 计算(8,2)邻域的像素值，不在像素中心的点通过双线性插值获得其值 nbPT(nCnt) = I(ii, jj-rad); nCnt = nCnt + 1; horInterp1 = I(ii-2, jj-2) + 0.5858*( I(ii-2, jj-1) - I(ii-2, jj-2) ); % 水平方向插值 horInterp2 = I(ii-1, jj-2) + 0.5858*( I(ii-1, jj-1) - I(ii-1, jj-2) ); % 水平方向插值 verInterp = horInterp1 + 0.5858*( horInterp2 - horInterp1 ); % 竖直方向插值 nbPT(nCnt) = verInterp; nCnt = nCnt + 1; nbPT(nCnt) = I(ii-2, jj); nCnt = nCnt + 1; horInterp1 = I(ii-2, jj+1) + 0.4142*( I(ii-2, jj+2) - I(ii-2, jj+1) ); horInterp2 = I(ii-1, jj+1) + 0.4142*( I(ii-1, jj+2) - I(ii-1, jj+1) ); verInterp = horInterp1 + 0.5858*( horInterp2 - horInterp1 ); nbPT(nCnt) = verInterp; nCnt = nCnt + 1; nbPT(nCnt) = I(ii, jj+2); nCnt = nCnt + 1; horInterp1 = I(ii+1, jj+1) + 0.4142*( I(ii+1, jj+2) - I(ii+1, jj+1) ); horInterp2 = I(ii+2, jj+1) + 0.4142*( I(ii+2, jj+2) - I(ii+2, jj+1) ); verInterp = horInterp1 + 0.4142*( horInterp2 - horInterp1 ); nbPT(nCnt) = verInterp; nCnt = nCnt + 1; nbPT(nCnt) = I(ii+2, jj); nCnt = nCnt + 1; horInterp1 = I(ii+1, jj-2) + 0.5858*( I(ii+1, jj-1) - I(ii+1, jj-2) ); horInterp2 = I(ii+2, jj-2) + 0.5858*( I(ii+2, jj-1) - I(ii+2, jj-1) ); verInterp = horInterp1 + 0.4142*( horInterp2 - horInterp1 ); nbPT(nCnt) = verInterp; for iCnt = 1:nCnt if( nbPT(iCnt) >= I(ii, jj) ) MatLBP(ii-rad, jj-rad) = MatLBP(ii-rad, jj-rad) + 2^(nCnt-iCnt); end end end
end % 计算LBP直方图
histLBP = zeros(1, 59); % 对于(8,2)的uniform直方图共有59个收集箱 for ii = 1:m-2*rad for jj = 1:n-2*rad histLBP( vecLBPMap( MatLBP(ii, jj)+1 ) ) = histLBP( vecLBPMap( MatLBP(ii, jj)+1 ) ) + 1; end
end
4、特征显示
[hist,I_LBP]=getMBLBPFea(I);
imshow(I_LBP,[]);
参考：
http://blog.csdn.net/u014568921/article/details/45788523
这篇关于基于局部统一模式LBP及MB-LBP的特征提取的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
