一、mb-lbp特徵
全稱為multiscale block lbp，**於**，中科院的人發明的，在traincascade級聯目標訓練檢測中的lbp特徵使用的就是mb-lbp。
mb-lbp的原理：
將影象分成乙個個小塊（block），每個小塊再分為乙個個的小區域（類似於hog中的cell），小區域內的灰度平均值作為當前小區域的灰度值，與周圍小區域灰度進行比較形成lbp特徵，生成的特徵稱為mb-lbp，block大小為3*3，則小區域的大小為1，就是原始的lbp特徵，上圖的block大小為9*9，小區域的大小為3*3。
不同block提取的mb-lbp特徵如圖所示：
//mb-lbp特徵的計算
void getmultiscaleblocklbpfeature(cv::mat src, cv::mat &dst, int scale)
// }
// //計算均值
// temp /= (cellsize*cellsize);
// cellimage.at(i - cellsize / 2, j - cellsize / 2) = uchar(temp);
// }
//}//劃分的cell個數
int ycnt = (src.rows + cellsize - 1) / cellsize;
int xcnt = (src.cols + cellsize - 1) / cellsize;
mat cellimage(ycnt, xcnt, cv_8uc1);
for (int i = 0; i= src.rows || n >= src.cols)
continue;
temp += src.at(m, n);
cnt++;}}
//計算均值
temp /= cnt;
cellimage.at(i, j) = uchar(temp);
} }getoriginlbpfeature(cellimage, dst);
}int main()
(a) 原圖 （b）cellimage （c)mb-lbp圖
(a1) 原圖 （b1）cellimage （c1)mb-lbp圖
二、semb-lbp
作者對得到lbp特徵又進行了均值模式編碼，通過對得到的特徵圖求直方圖，得到了lbp特徵值0-255之間(0-255即直方圖中的bin)的特徵數量，通過對bin中的數值進行排序，通過權衡，將排序在前63位的特徵值看作是等價模式類，其他的為混合模式類，總共64類，作者在**中稱之為semb-lbp(statistically effective mb-lbp )。類似於等價模式lbp，等價模式的lbp的等價模式類為58種，混合模式類1種，共59種。二者除了等價模式類的數量不同之外，主要區別在於：對等價模式類的定義不同，等價模式lbp是根據0-1的跳變次數定義的，而semb-lbp是通過對直方圖排序得到的。
//求semb-lbp
void semb_lbpfeature(cv::mat src, cv::mat &dst, int scale)
; const float* ranges = ;
//計算lbp特徵值0-255的直方圖
LBP特徵（1）原始LBP特徵
參考 一 lbp特徵的背景介紹 lbp指區域性二值模式，英文全稱 local binary pattern，是一種用來描述影象區域性特徵的運算元，lbp特徵具有灰度不變性和旋轉不變性等顯著優點。它是由t.ojala,m.pietik inen,和 d.harwood 1 2 在1994年提出，由於l...
LBP特徵（3）旋轉LBP特徵
參考 從 1 和 2 可以看出，上面的lbp特徵具有灰度不變性，但還不具備旋轉不變性，因此研究人員又在上面的基礎上進行了擴充套件，提出了具有旋轉不變性的lbp特徵。首先不斷的旋轉圓形鄰域內的lbp特徵，根據選擇得到一系列的lbp特徵值，從這些lbp特徵值選擇lbp特徵值最小的作為中心畫素點的lbp特...
LBP紋理特徵
一幅的特徵 紋理特徵 顏色特徵 形狀特徵 空間關係特徵。這裡說記錄一下紋理特徵 lbp local binary pattern 指區域性二值模式，是一種用來描述影象區域性紋理特徵的運算元，lbp特徵具有灰度不變性和旋轉不變性等顯著優點。它是由t.ojala,m.pietik inen,和 d.ha...