extractLBPFeatures
提取局部二值模式(LBP)特征
描述
例子
利用LBP特征通过纹理区分图像
读取包含不同纹理的图像。
brickwall = imread（'bricks.jpg'）;rotatedbrickwall = imread（“bricksRotated.jpg”）;地毯= imread (“carpet.jpg”）;
显示图像。
数字imshow（brickwall）标题（'砖块'）
图imshow (rotatedBrickWall)标题(“旋转砖”）
图imshow（地毯）标题（“地毯”）
从图像中提取LBP特征，对其纹理信息进行编码。
lbpBricks1 = extractLBPFeatures (brickWall,'直立'、假);lbpBricks2 = extractLBPFeatures (rotatedBrickWall,'直立'、假);lbpCarpet = extractLBPFeatures(地毯、'直立'、假);
通过计算LBP特征之间的平方误差来判断它们之间的相似性。
= (lbpBricks1 - lbpBricks2).^2;= (lbpBricks1 - lbpCarpet).^2;
想象一下砖块与砖块、砖块与地毯的平方误差。当图像纹理相似时，平方误差较小。
图栏（[Brickvsbrick; Brickvscarpet]'，“分组”)标题(“LBP直方图的平方误差”)包含(的LBP直方图的垃圾箱） 传奇（“砖块vs旋转砖块”那'砖vs carpet'）
将L1标准化应用于LBP功能
在示例图像中读取并将其转换为灰度。
我= imread ('甘迪克莱恩普恩'）;我= im2gray（i）;
提取未归一化的LBP特性，以便应用自定义归一化。
lbpfeatures = extractlbpfeatures（我，'细胞化'(32 32),“归一化”那“没有”）;
将LBP功能重塑成一个邻居数量——- - - - - -细胞数量数组用于访问每个单独的单元格的直方图。
numNeighbors = 8;numBins = numNeighbors * (numNeighbors-1) + 3;lbpCellHists =重塑(lbpFeatures numBins, []);
使用L1标准归一化每个LBP小区直方图。
lbpcellhists = bsxfun（@ rdivide，lbpcellhists，sum（lbpcellhists））;
将LBP特征向量重塑为1-by-N特征向量。
lbpfeatures =重塑（lbpcellhists，1，[]）;
输入参数
输出参数
特征- LBP特征向量
1——- - - - - -N向量
LBP特征向量，返回为1-by-N长度矢量N代表功能的数量。LBP功能对本地纹理信息进行编码，您可以用于分类，检测和识别等任务。该函数将输入图像分区为非重叠单元格。要收集较大区域的信息，请选择更大的单元格尺寸。但是，当您增加单元格大小时，您会丢失本地细节。N，取决于图像中的单元格数量，numcells.，邻居的数量，P.，而且直立范围。
计算单元格数量为：
numcells.= prod (地板上（尺寸（一世)／CellSize）） |
该图显示了具有九个细胞直方图的图像。每个直方图描述了一个LBP特征。
每个单元格的直方图大小为[1，B.),B.是直方图中的垃圾箱数。箱数取决于直立财产和邻居的数量，P.．
| 直立 | 垃圾箱数量 |
|---|---|
真正的 |
(P (x)P.1) + 3) |
错误的 |
（P.+ 2） |
整体LBP功能长度，N，取决于细胞的数量和容器的数量，B.：
| N=numcells.XB. |
参考文献
[1] Ojala，T.，M. Pietikainen和T. Maenpaa。“具有本地二进制模式的多分辨率灰度和旋转不变纹理分类。”图案分析和机器智能的IEEE交易．第24卷第7期，2002年7月，第971-987页。
扩展能力
也可以看看
detectBRISKFeatures|detectFASTFeatures|detectHarrisFeatures|侦探训练|检测器饲料|detectSURFFeatures|extractFeatures|骨折比重|matchFeatures|MSERREGIONS|surfpoints.
话题
你也可以从以下列表中选择一个网站:
