LBP特征提取算法的提取与实现

LBP的基本思想是对图像的像素和它周围8个像素进行比较，然后求和。如果中心像素的亮度大于等于他的相邻像素，把他标记为1，否则标记为0。最终可以获取2^8个可能的组合，称为局部二值模式或LBP码。



这样做的原理：因为对于一张图片，相邻像素之间的的值是有关系的。因此中心点和相邻像素比较后就能得到一个二进制串，这个二进制串就能很好的表示这个点和相邻像素之间的模式，这个模式就是这个二进制串。这种描述方法就可以很好的捕捉到图像中的细节。

#include"imgProcess.h"

int main()
{

IplImage* color_face = cvLoadImage("D://test.png",1);
IplImage* gray_face = cvCreateImage(cvSize(color_face->width, color_face->height), color_face->depth, 1);
cvCvtColor(color_face, gray_face, CV_BGR2GRAY);
IplImage* LBP_face = cvCreateImage(cvSize(color_face->width, color_face->height), color_face->depth, 1);//先分配图像空间

cvNamedWindow("Color Image", 1);
cvShowImage("Color Image", color_face);

cvNamedWindow("Gray Image", 1);
cvShowImage("Gray Image", gray_face);
ImgProcess imgp;
imgp.src_LBP(gray_face, LBP_face);

cvNamedWindow("LBP Image", CV_WINDOW_AUTOSIZE);
cvShowImage("LBP Image", LBP_face);

waitKey();

cvReleaseImage(&color_face);
cvReleaseImage(&gray_face);
cvReleaseImage(&LBP_face);
cvDestroyWindow("Color Image");
cvDestroyWindow("Gray Image");
cvDestroyWindow("LBP Image");

return 0;
}

imgProcess.h
#include <opencv2/opencv.hpp>
#include  <cv.h>
#include  <highgui.h>
#include  <cxcore.h>
using namespace std;
using namespace cv;

class ImgProcess{
public:
int tmp[8];
IplImage *temp;
ImgProcess(){};
~ImgProcess(){};
void src_LBP(IplImage *src, IplImage *dst);

};

imgProcess.cpp
#include "imgProcess.h"
void ImgProcess::src_LBP(IplImage *src, IplImage *dst){
CvScalar s;
temp = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
uchar *data = (uchar*)src->imageData;
int step = src->widthStep;
tmp[8] = { 0 };
cout << "step" << step << endl;

for (int i = 1; i<src->height - 1; i++)
for (int j = 1; j<src->width - 1; j++)
{
int sum = 0;
if (data[(i - 1)*step + j - 1]>data[i*step + j])
tmp[0] = 1;
else
tmp[0] = 0;
if (data[i*step + (j - 1)]>data[i*step + j])
tmp[1] = 1;
else
tmp[1] = 0;
if (data[(i + 1)*step + (j - 1)]>data[i*step + j])
tmp[2] = 1;
else
tmp[2] = 0;
if (data[(i + 1)*step + j]>data[i*step + j])
tmp[3] = 1;
else
tmp[3] = 0;
if (data[(i + 1)*step + (j + 1)]>data[i*step + j])
tmp[4] = 1;
else
tmp[4] = 0;
if (data[i*step + (j + 1)]>data[i*step + j])
tmp[5] = 1;
else
tmp[5] = 0;
if (data[(i - 1)*step + (j + 1)]>data[i*step + j])
tmp[6] = 1;
else
tmp[6] = 0;
if (data[(i - 1)*step + j]>data[i*step + j])
tmp[7] = 1;
else
tmp[7] = 0;
//计算LBP编码
s.val[0] = (tmp[0] * 1 + tmp[1] * 2 + tmp[2] * 4 + tmp[3] * 8 + tmp[4] * 16 + tmp[5] * 32 + tmp[6] * 64 + tmp[7] * 128);
cvSet2D(dst, i, j, s); //写入LBP图像
}
}