LBP特征(2)旋转LBP特征

匿名 (未验证) 提交于 2019-12-02 23:36:01

参考:https://blog.csdn.net/quincuntial/article/details/50541815

旋转不变LBP特征



如图,通过对得到的LBP特征进行旋转,得到一系列的LBP特征值,最终将特征值最小的一个特征模式作为中心像素点的LBP特征。

 //旋转不变圆形LBP特征计算 template <typename _tp> void getRotationInvariantLBPFeature(InputArray _src, OutputArray _dst, int radius, int neighbors) { 	Mat src = _src.getMat(); 	//LBP特征图像的行数和列数的计算要准确 	_dst.create(src.rows - 2 * radius, src.cols - 2 * radius, CV_8UC1); 	Mat dst = _dst.getMat(); 	dst.setTo(0); 	for (int k = 0; k<neighbors; k++) 	{ 		//计算采样点对于中心点坐标的偏移量rx,ry 		float rx = static_cast<float>(radius * cos(2.0 * CV_PI * k / neighbors)); 		float ry = -static_cast<float>(radius * sin(2.0 * CV_PI * k / neighbors)); 		//为双线性插值做准备 		//对采样点偏移量分别进行上下取整 		int x1 = static_cast<int>(floor(rx)); 		int x2 = static_cast<int>(ceil(rx)); 		int y1 = static_cast<int>(floor(ry)); 		int y2 = static_cast<int>(ceil(ry)); 		//将坐标偏移量映射到0-1之间 		float tx = rx - x1; 		float ty = ry - y1; 		//根据0-1之间的x,y的权重计算公式计算权重,权重与坐标具体位置无关,与坐标间的差值有关 		float w1 = (1 - tx) * (1 - ty); 		float w2 = tx  * (1 - ty); 		float w3 = (1 - tx) *    ty; 		float w4 = tx  *    ty; 		//循环处理每个像素 		for (int i = radius; i<src.rows - radius; i++) 		{ 			for (int j = radius; j<src.cols - radius; j++) 			{ 				//获得中心像素点的灰度值 				_tp center = src.at<_tp>(i, j); 				//根据双线性插值公式计算第k个采样点的灰度值 				float neighbor = src.at<_tp>(i + x1, j + y1) * w1 + src.at<_tp>(i + x1, j + y2) *w2 \ 					+ src.at<_tp>(i + x2, j + y1) * w3 + src.at<_tp>(i + x2, j + y2) *w4; 				//LBP特征图像的每个邻居的LBP值累加,累加通过与操作完成,对应的LBP值通过移位取得 				dst.at<uchar>(i - radius, j - radius) |= (neighbor>center) << (neighbors - k - 1);//dst默认为CV_8UC1,因此只支持8个采样点 			} 		} 	} 	//进行旋转不变处理 	for (int i = 0; i<dst.rows; i++) 	{ 		for (int j = 0; j<dst.cols; j++) 		{ 			unsigned char currentValue = dst.at<uchar>(i, j); 			unsigned char minValue = currentValue; 			for (int k = 1; k<neighbors; k++) 			{ 				//循环左移 				unsigned char temp = (currentValue >> (neighbors - k)) | (currentValue << k); 				if (temp < minValue) 				{ 					minValue = temp; 				} 			} 			dst.at<uchar>(i, j) = minValue; 		} 	} }  int main() { 	cv::Mat src = imread("..\\..\\image\\keliamoniz1.jpg", 0); 	cv::Mat dst;  	//getOriginLBPFeature<uchar>(src, dst);  	//getCircularLBPFeatureOptimization<uchar>(src, dst, 1, 8);  	getRotationInvariantLBPFeature<uchar>(src, dst, 1, 8);  	return 0; }

文章来源: https://blog.csdn.net/zfjBIT/article/details/90638514
标签
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!