目录
OpenCV------多分辨率LBP的计算方法由CSDN点云侠原创，爬虫自重。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。
一、算法原理
1、原理概述
基本LBP算子虽然在早期的实验中取得了一系列成果，但是应用于不同领域的具体问题时，该算子的处理结果并不能达到预期的效果。因此，很多学者对其进行了改进，并取得了显著成果。改进算子主要有多分辨率LBP、旋转不变LBP和等价LBP等。
TimoOjala等＿对基本LBP进行拓展，拓展后的多分辨率LBP不再仅仅是 3 × 3 3\times3 3×3格网，而是可以设置邻域像素数量和半径，通常用 P P P表示邻域像素个数，用 R R R表示半径，记为LBP_PR；与此同时，运用了插值的思想，将邻域窗口由方形拓展为圆形。基本LBP是邻域像素数量Ｐ＝８，半径Ｒ＝1.0的版本。下图描述了Ｐ和Ｒ取不同值时的情况。
多分辨率LBP 从图中可以看出，只要不断改变窗口大小，即改变Ｐ和Ｒ的值，LBP就具备了多分辨率识别的特性，TimoOjala等人通过实验得出，将图像的灰度直方图和LBP特征结合可以增强分类效果。
2、参考文献
1 马新江. 基于多元LBP特征的车载激光点云中道路边界提取D.山东科技大学,2019.
二、代码实现
cpp
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
// 多分辨率LBP
cv::Mat ExpandLocalBinaryPattern(cv::Mat& orignImg, int lbpRadius = 3, int maxCount = 20)
{
cv::Mat grayImg;
cvtColor(orignImg, grayImg, cv::COLOR_BGR2GRAY);
int offset = lbpRadius * 2;
cv::Mat elbpImg = cv::Mat::zeros(grayImg.rows - offset, grayImg.cols - offset, CV_8UC1);
int numNeighbor = 8;
for (int n = 0; n < numNeighbor; n++)
{
float x = lbpRadius * cos((2 * CV_PI * n) / numNeighbor);
float y = lbpRadius * (-sin((2 * CV_PI * n) / numNeighbor));
int fx = static_cast<int>(floor(x)); // 向下取整，它返回的是小于或等于函数参数,并且与之最接近的整数
int fy = static_cast<int>(floor(y));
int cx = static_cast<int>(ceil(x)); // 向上取整，它返回的是大于或等于函数参数,并且与之最接近的整数
int cy = static_cast<int>(ceil(y));
float ty = y - fy;
float tx = x = fx;
float w1 = (1 - tx) * (1 - ty);
float w2 = (tx) * (1 - ty);
float w3 = (1 - tx) * (ty);
float w4 = (tx) * (ty);
for (int row = lbpRadius; row < (grayImg.rows - lbpRadius); row++)
{
for (int col = lbpRadius; col < (grayImg.cols - lbpRadius); col++)
{
float t = w1 * grayImg.at<uchar>(row + fy, col + fx) +
w2 * grayImg.at<uchar>(row + fy, col + cx) +
w3 * grayImg.at<uchar>(row + cy, col + fx) +
w4 * grayImg.at<uchar>(row + cy, col + cx);
elbpImg.at<uchar>(row - lbpRadius, col - lbpRadius) +=
((t > grayImg.at<uchar>(row, col)) && (abs(t - grayImg.at<uchar>(row, col)) > std::numeric_limits<float>::epsilon())) << n;
}
}
}
return elbpImg;
}
int main(int argc, char** argv)
{
cv::Mat img = cv::imread("luna.png");
//cv::Mat img;
//resize(img, img, cv::Size(800, 500), 0, 0, cv::INTER_AREA);
if (img.empty())
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
imshow("img", img);
// 多分辨率LBP
cv::Mat lbpImg = ExpandLocalBinaryPattern(img);
imshow("多分辨率LBP", lbpImg);
cv::waitKey(0);
return 0;
}三、结果展示
