OpenCV中FaceRecognizer中的LBP算子

【问题标题】：LBP Operator in FaceRecognizer in OpenCVOpenCV中FaceRecognizer中的LBP算子
【发布时间】：2013-10-04 16:05:21
【问题描述】：

我正在使用 OpenCV 和 C++ 处理一些图像矩阵的 LBP 直方图，我需要计算这些矩阵的 LBP(1,8) 和 LBP(2,16)。最新版本的 OpenCV 直接支持使用默认 LBP(1,8) 运算符计算 LBP FaceRecognizer，我可以在实例化对象时通过设置值来计算 LBP(2,16)。

我的问题是哪个矩阵存储给定输入矩阵的 LBP 代码？深入实现，我知道 predict(InputArray _src) 函数首先调用 elbp(src, _radius, _neighbors) 然后是 spatial_histogram(/params/) 来计算直方图。但是这些函数中的哪个矩阵存储了 LBP 代码？

基本上，这两个函数（elbp() 和 spatial_histogram()）实际计算的是什么？

提前致谢。

【问题讨论】：

标签： c++ algorithm opencv image-processing face-recognition

【解决方案1】：

如果您查看training 和prediction 步骤，您会发现两者的工作流程如下：

收集整幅图像的 lbp 特征 (elbp)
将 lbp 图像拆分为 nxn 个补丁，为每个补丁收集一个直方图，并将它们连接成 1 个大直方图 (spatial_histogram)

旁注：我对 16-neighbour 运算符的有用性有一些疑问。每个补丁需要 64k 个直方图箱，如果您的 img 只有 100x100 和 8x8 补丁，那么每个补丁/直方图只有 144 个像素。这将是一个非常稀疏的。你的特征空间会爆炸！ - 这里可能少一些！

祝你好运，黑客愉快！

【讨论】：

对于具有 8x8 补丁的 100x100 暗淡图像，我认为没有。补丁的数量为 144，每块 64 像素。是的，当我在 spatial_histogram() 函数之后生成矩阵的直方图时，它们非常稀疏。几乎看不到一些酒吧。我的图像尺寸为 92x112。有什么解决办法吗？我认为在 OpenCV 中，没有。仅在所有情况下使用的箱数为 256。