OpenCV學習(39) OpenCV中的LBP圖像

本章咱們學習LBP圖像的原理和使用，由於接下來教程咱們要使用LBP圖像的直方圖來進行臉部識別。

參考資料：

http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html

http://www.cnblogs.com/mikewolf2002/p/3438166.html

      LBP的基本思想是以圖像中某個像素爲中心，對相鄰像素進行閾值比較。若是中心像素的亮度大於等於它的相鄰像素，把相鄰像素標記爲1，不然標記爲0。咱們能夠用二進制數字來表示LBP圖中的每一個像素的LBP編碼，好比下圖中的中心像素，它的LBP編碼爲:00010011，其十進制值爲19。

用公式表示就是：

其中(x_c,y_c)是中心像素，i_c是灰度值，i_n是相鄰像素的灰度值，s是一個符號函數：

在OpenCV的LBP算法中，使用圓形的LBP算子：

 

對於一個點， 它的近鄰點 用如下公式計算：

其中R是半徑，p是樣本點的個數。

若是就算的結果不在像素座標上，咱們則使用雙線性插值進行近似處理。

下面的代碼中，咱們分別實現了一般LBP圖和圓形算子LBP圖。

      elbp是圓形算子LBP函數，elbp1是一般LBP圖，咱們分別對lena的圖像進行了處理，結果以下所示，從途中能夠看出來，使用圓形算子的效果銳度更強。

#include "opencv2/core/core.hpp"
#include "opencv2/contrib/contrib.hpp"
#include "opencv2/highgui/highgui.hpp"

#include <iostream>
#include <fstream>
#include <sstream>

using namespace cv;
using namespace std;

void elbp(Mat& src, Mat &dst, int radius, int neighbors)
    {

    for(int n=0; n<neighbors; n++)
        {
        // 採樣點的計算
        float x = static_cast<float>(-radius * sin(2.0*CV_PI*n/static_cast<float>(neighbors)));
        float y = static_cast<float>(radius * cos(2.0*CV_PI*n/static_cast<float>(neighbors)));
        // 上取整和下取整的值
        int fx = static_cast<int>(floor(x));
        int fy = static_cast<int>(floor(y));
        int cx = static_cast<int>(ceil(x));
        int cy = static_cast<int>(ceil(y));
        // 小數部分
        float ty = y - fy;
        float tx = x - fx;
        // 設置插值權重
        float w1 = (1 - tx) * (1 - ty);
        float w2 =      tx  * (1 - ty);
        float w3 = (1 - tx) *      ty;
        float w4 =      tx  *      ty;
        // 循環處理圖像數據
        for(int i=radius; i < src.rows-radius;i++)
            {
            for(int j=radius;j < src.cols-radius;j++) 
                {
                // 計算插值
                float t = static_cast<float>(w1*src.at<uchar>(i+fy,j+fx) + w2*src.at<uchar>(i+fy,j+cx) + w3*src.at<uchar>(i+cy,j+fx) + w4*src.at<uchar>(i+cy,j+cx));
                // 進行編碼
                dst.at<uchar>(i-radius,j-radius) += ((t > src.at<uchar>(i,j)) || (std::abs(t-src.at<uchar>(i,j)) < std::numeric_limits<float>::epsilon())) << n;
                }
            }
        }
    }

void elbp1(Mat& src, Mat &dst)
    {

        // 循環處理圖像數據
        for(int i=1; i < src.rows-1;i++)
            {
            for(int j=1;j < src.cols-1;j++) 
                {
                uchar tt = 0;
                int tt1 = 0;
                uchar u = src.at<uchar>(i,j);
                if(src.at<uchar>(i-1,j-1)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i-1,j)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i-1,j+1)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i,j+1)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i+1,j+1)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i+1,j)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i+1,j-1)>u) { tt += 1 <<tt1; } 
                tt1++;
                if(src.at<uchar>(i-1,j)>u) { tt += 1 <<tt1; } 
                tt1++;

                dst.at<uchar>(i-1,j-1) = tt;
                }
            }
        }

int main()
    {
    Mat img = cv::imread("../lenna.jpg", 0);
    namedWindow("image");
    imshow("image", img);

    int radius, neighbors;
    radius = 1;
    neighbors = 8;

    //建立一個LBP
    //注意爲了溢出，咱們行列都在原有圖像上減去2個半徑
    Mat dst = Mat(img.rows-2*radius, img.cols-2*radius,CV_8UC1, Scalar(0));
    elbp1(img,dst);
    namedWindow("normal");
    imshow("normal", dst);

    Mat dst1 = Mat(img.rows-2*radius, img.cols-2*radius,CV_8UC1, Scalar(0));
    elbp(img,dst1,1,8);
    namedWindow("circle");
    imshow("circle", dst1);

    while(1)
       cv::waitKey(0);
    }

咱們換另一張圖，該圖包括不一樣光照下的四副照片，再來看看LBP圖的效果：

 

 

程序代碼：

FirstOpenCV36