如何从 LBP 图像中获得 256 个 bin/像素？

Question

我在 C 中实现统一的 LBP。但我对这个概念感到困惑。我已经实施了 LBP。假设我有一个 512*512 尺寸的图像。在 LBP 之后，它将是 510*510。现在如何从这个 LBP 图像中获得 256 个 bins/pixels。

for(i=1; i < image_src->width - 1; i++)
    {
          for(j=1; j < image_src->height - 1; j++)
          {
              const unsigned char center = image_get_pixel_value(image_src, i, j , 0);
              unsigned char code = 0;
              if(center <= image_get_pixel_value(image_src, i-1, j-1 , 0))
                code += 128;
               if(center <= image_get_pixel_value(image_src, i-1, j , 0))
                code += 64;
              if(center <= image_get_pixel_value(image_src, i-1, j+1 , 0))
                code += 32;
              if(center <= image_get_pixel_value(image_src, i, j+1 , 0))
                code += 16;
              if(center <= image_get_pixel_value(image_src, i+1, j+1 , 0))
                code += 8;
              if(center <= image_get_pixel_value(image_src, i+1, j , 0))
                code += 4;
              if(center <= image_get_pixel_value(image_src, i+1, j-1 , 0))
                code += 2;
              if(center <= image_get_pixel_value(image_src, i, j-1 , 0))
                code += 1;

              image_set_pixel_value(image_tar, i-1, j-1, 0, code);
          }
      }

这是查找表：

int  UniformPattern59[16][16] = {
             1,   2,   3,   4,   5,   0,   6,   7,   8,   0,   0,   0,   9,   0,  10,  11,
            12,   0,   0,   0,   0,   0,   0,   0,  13,   0,   0,   0,  14,   0,  15,  16,
            17,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,
            18,   0,   0,   0,   0,   0,   0,   0,  19,   0,   0,   0,  20,   0,  21,  22,
            23,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,
            0,    0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,
            24,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,
            25,   0,   0,   0,   0,   0,   0,   0,  26,   0,   0,   0,  27,   0,  28,  29,
            30,  31,   0,  32,   0,   0,   0,  33,   0,   0,   0,   0,   0,   0,   0,  34,
            0,    0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,  35,
            0,    0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,
            0,    0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,  36,
            37,  38,   0,  39,   0,   0,   0,  40,   0,   0,   0,   0,   0,   0,   0,  41,
            0,    0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,   0,  42,
            43,  44,   0,  45,   0,   0,   0,  46,   0,   0,   0,   0,   0,   0,   0,  47,
            48,  49,   0,  50,   0,   0,   0,  51,  52,  53,   0,  54,  55,  56,  57,  58
    };

Answer 1

我猜你可能误解了关于 LBP 的概念。 LBP 有几个变体：基本 LBP、均匀 LBP 和旋转不变的均匀 LBP。

在基本LBP中，我们比较中心像素与其相邻像素之一（插值像素以获得更准确的结果）之间的灰度值以获得二进制编码（0或1）为了一点。通常，我们将此编码方案的半径设置为 1，将邻居数设置为 8 作为默认配置。因此，我们可以在比较所有 8 个邻居后得到中心像素的局部二进制模式（LBP），这是一个 8 位二进制数，例如 01011110 或 11110000。在这里，我们可以看到这种类型的范围如果我们将二进制数转换为十进制数，LBP 是从 0 到 255。我们通常将每个像素的 LBP 代码分类为 256 种模式中的一种，形成直方图，用于进一步的分类或识别任务，即您问题中的 256bins/pixels。

但是，均匀和旋转不变的均匀 LBP 有一些不同。也就是说，模式的数量不是256，其中旋转不变的均匀LBP只有10种模式。旋转均匀 LBP 有 9 个旋转均匀 LBP 和其他 1 个，其中 9 个旋转均匀 LBP 通常覆盖图像上 90% 的模式。

因此，在旋转不变的均匀 LBP 中，您只需要生成一个 10 箱直方图即可进行进一步处理，例如分类或识别。首先，您将每个像素编码为旋转不变的均匀 LBP，这可能会产生一个 image.rows*image.cols 矩阵。然后，将每个模式（矩阵元素）分类为 10 个模式中的一个，形成一个数组来表示直方图。

一些论文供您参考：

1. 学术百科上的 LBP，http://www.scholarpedia.org/article/Local_Binary_Patterns
2. LBP 作者的 C++ 代码，http://www.cse.oulu.fi/CMV/Downloads/LBPSoftware
3. 具有局部二值模式的多分辨率灰度和旋转不变纹理分类，http://www.rafbis.it/biplab15/images/stories/docenti/Danielriccio/Articoliriferimento/LBP.pdf