Mahotas - 局部二元模式

局部二元模式 (LBP) 是一种生成二元模式的方法。它将中心像素的强度值与其邻居进行比较。

如果邻域中的每个像素大于或等于中心像素的强度，则为其分配 1 的值，否则为 0。

二元模式用于计算统计度量或直方图表示，以捕获图像中的纹理信息。

生成的描述符可用于各种应用，例如纹理分类、对象识别和图像检索。

局部二元模式使用一种称为线性二元模式的技术。线性二元模式考虑线性(直线)邻域来创建二元模式。下面我们来简单讨论一下线性二进制模式。

线性二进制模式

线性二进制模式用于描述图像的纹理。它的工作原理是比较中心像素周围邻域中像素的强度值，并将结果编码为二进制数。

简单来说，LBP 查看特定像素周围像素值形成的模式，并用一系列 0 和 1 表示该模式。

在这里，我们查看图像的线性二进制模式 −

示例

在下面提到的示例中，我们尝试执行上面讨论的功能。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
image = mh.imread('nature.jpeg', as_grey=True)
# 线性二元模式
lbp = mh.features.lbp(image, 5, 5)
mtplt.hist(lbp)
mtplt.title('Linear Binary Patterns')
mtplt.xlabel('LBP Value')
mtplt.ylabel('Frequency')
mtplt.show()

输出

执行上述代码后，我们得到以下输出 −

我们将在下一章中详细讨论线性二进制模式。