一，原始LBP演算法

LBP的基本思想是對影象的畫素和它區域性周圍畫素進行對比後的結果進行求和。把這個畫素作為中心，對相鄰畫素進行閾值比較。如果中心畫素的亮度大於等於他的相鄰畫素，把他標記為1，否則標記為0。你會用二進位制數字來表示每個畫素，比如11001111。因此，由於周圍相鄰8個畫素，你最終可能獲取2^8個可能組合，被稱為區域性二值模式，有時被稱為LBP碼。第一個在文獻中描述的LBP運算元實際使用的是3*3的鄰域

一個更加正式的LBP操作可以被定義為

其中 是中心畫素，亮度是 ；而 則是相鄰畫素的亮度。s是一個符號函式：

這種描述方法使得你可以很好的捕捉到影象中的細節。實際上，研究者們可以用它在紋理分類上得到最先進的水平。正如剛才描述的方法被提出後，固定的近鄰區域對於尺度變化的編碼失效。所以，使用一個變數的擴充套件方法，在文獻[AHP04]中有描述。主意是使用可變半徑的圓對近鄰畫素進行編碼，這樣可以捕捉到如下的近鄰：

對一個給定的點   ，他的近鄰點  可以由如下計算：

其中，R是圓的半徑，而P是樣本點的個數。

這個操作是對原始LBP運算元的擴充套件，所以有時被稱為擴充套件LBP(又稱為圓形LBP)。如果一個在圓上的點不在影象座標上，我們使用他的內插點。電腦科學有一堆聰明的插值方法，而OpenCV使用雙線性插值。

二.原始LBP演算法的實現

附上程式碼：

// LBP.cpp : 定義控制檯應用程式的入口點。
//


/***********************************************************************
 * OpenCV 2.4.4 測試例程
 * 杜健健 提供
 ***********************************************************************/

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include  <cv.h> 
#include  <highgui.h>
#include  <cxcore.h>
 
using namespace std;
using namespace cv;
 
//原始的LBP演算法
//使用模板引數

template <typename _Tp> static
void olbp_(InputArray _src, OutputArray _dst) {
    // get matrices
    Mat src = _src.getMat();
    // allocate memory for result
    _dst.create(src.rows-2, src.cols-2, CV_8UC1);
    Mat dst = _dst.getMat();
    // zero the result matrix
    dst.setTo(0);

	cout<<"rows "<<src.rows<<" cols "<<src.cols<<endl;
	cout<<"channels "<<src.channels();
	getchar();
    // calculate patterns
    for(int i=1;i<src.rows-1;i++) {
		cout<<endl;
        for(int j=1;j<src.cols-1;j++) {
			
            _Tp center = src.at<_Tp>(i,j);
			//cout<<"center"<<(int)center<<"  ";
            unsigned char code = 0;
            code |= (src.at<_Tp>(i-1,j-1) >= center) << 7;
            code |= (src.at<_Tp>(i-1,j  ) >= center) << 6;
            code |= (src.at<_Tp>(i-1,j+1) >= center) << 5;
            code |= (src.at<_Tp>(i  ,j+1) >= center) << 4;
            code |= (src.at<_Tp>(i+1,j+1) >= center) << 3;
            code |= (src.at<_Tp>(i+1,j  ) >= center) << 2;
            code |= (src.at<_Tp>(i+1,j-1) >= center) << 1;
            code |= (src.at<_Tp>(i  ,j-1) >= center) << 0;

            dst.at<unsigned char>(i-1,j-1) = code;
			//cout<<(int)code<<" ";
			//cout<<(int)code<<endl;
        }
    }
}

//基於舊版本的opencv的LBP演算法opencv1.0
void LBP (IplImage *src,IplImage *dst)
{
	int tmp[8]={0};
	CvScalar s;

	IplImage * temp = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U,1);
	uchar *data=(uchar*)src->imageData;
	int step=src->widthStep;

	cout<<"step"<<step<<endl;

	for (int i=1;i<src->height-1;i++)
	  for(int j=1;j<src->width-1;j++)
	  {
		  int sum=0;
		  if(data[(i-1)*step+j-1]>data[i*step+j])
			tmp[0]=1;
		  else
			tmp[0]=0;
		  if(data[i*step+(j-1)]>data[i*step+j])
			tmp[1]=1;
		  else
			tmp[1]=0;
		  if(data[(i+1)*step+(j-1)]>data[i*step+j])
			tmp[2]=1;
		  else
			tmp[2]=0;
		  if (data[(i+1)*step+j]>data[i*step+j])
			tmp[3]=1;
	  else
			tmp[3]=0;
		  if (data[(i+1)*step+(j+1)]>data[i*step+j])
			tmp[4]=1;
		  else
			tmp[4]=0;
		  if(data[i*step+(j+1)]>data[i*step+j])
			tmp[5]=1;
		  else
			tmp[5]=0;
		  if(data[(i-1)*step+(j+1)]>data[i*step+j])
			tmp[6]=1;
		  else
			tmp[6]=0;
		  if(data[(i-1)*step+j]>data[i*step+j])
			tmp[7]=1;
		  else
			tmp[7]=0;	
		  //計算LBP編碼
			s.val[0]=(tmp[0]*1+tmp[1]*2+tmp[2]*4+tmp[3]*8+tmp[4]*16+tmp[5]*32+tmp[6]*64+tmp[7]*128);
		
		cvSet2D(dst,i,j,s);寫入LBP影象
	  }
}



int _tmain(int argc, _TCHAR* argv[])
{
	//IplImage* face = cvLoadImage("D://input//yalefaces//01//s1.bmp",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);
	IplImage* face = cvLoadImage("D://input//lena.jpg",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);
	//IplImage* lbp_face =   cvCreateImage(cvGetSize(face), IPL_DEPTH_8U,1);

	IplImage* Gray_face = cvCreateImage( cvSize( face->width,face->height ), face->depth, 1);//先分配影象空間
    cvCvtColor(face, Gray_face ,CV_BGR2GRAY);//把載入影象轉換為灰度圖
	IplImage* lbp_face =   cvCreateImage(cvGetSize(Gray_face), IPL_DEPTH_8U,1);//先分配影象空間

	cvNamedWindow("Gray Image",1);
	cvShowImage("Gray Image",Gray_face);

	//Mat face2 = imread("D://input//buti.jpg",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);
	Mat face2 = imread("D://input//yalefaces//01//s1.bmp",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);
	//Mat Gray_face2 = Mat::zeros(face2.size(),IPL_DEPTH_8U,1);

	//cvCvtColor(face2,Gray_face2,CV_BGR2RAY);
	Mat lbp_face2 = Mat::zeros(face2.size(),face2.type()) ;
	//Mat::copyTo(lbp_face,face);


	//顯示原始的輸入影象
	cvNamedWindow("Src Image",CV_WINDOW_AUTOSIZE);
	cvShowImage("Src Image",face);
	//imshow("Src Image",face);

	//計算輸入影象的LBP紋理特徵
    LBP(Gray_face,lbp_face);
	//olbp_<uchar>((Mat)face,(Mat)lbp_face);//有問題的呼叫
	olbp_<uchar>(face2,lbp_face2);

	
	//顯示第一幅影象的LBP紋理特徵圖
	cvNamedWindow("LBP Image",CV_WINDOW_AUTOSIZE);
	cvShowImage("LBP Image",lbp_face);
	//顯示第二幅圖 的LBP紋理特徵圖-一張yaleface人臉庫中的人臉LBP特徵圖
	namedWindow("LBP Image2",1);
	imshow("LBP Image2",lbp_face2);
	waitKey();

	//cvReleaseImage(&face);
	cvDestroyWindow("Src Image");
 
	return 0;

}
 

三.示例結果，LBP紋理特徵

原始影象lena.jpg

變換成灰度圖後：

提取圖片的LBP特徵：

提取人臉影象的LBP特徵；

四.注意事項

1 兩個函式都只能對灰度影象就行處理，所以，在使用這兩個函式時，必須先把原始影象轉換成灰度影象方可

2 關於早期只顯示影象1/3或者1/4區域的LBP紋理特徵問題的解決方法：

這個是因為你的輸入影象不是灰度圖的緣故，需要把彩色圖，多通道的影象轉換成單通道的影象，再作為引數傳入函式，才能得到完整影象的LBP紋理特徵。

3 載入灰度影象的方法：

把函式cvLoadImage()函式的第二個引數，還有imread() 的第二個引數設定成：CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR

就可以了。哦也，這個可是我在網上找了好久才解決的，分享一下，歡迎大家多多指點。

五.遇到的問題

就是使用Mat結構儲存彩色影象，多通道影象後，怎麼把它轉換成單通道的灰度圖。

我網上找了好多資料，沒發現有相關可以參考的函式可以直接呼叫。有一個提到可以使用IplImage和Mat相互轉化。我想用這種方法，就是先轉換再呼叫cvCvtColor() 進行灰度圖的轉化。但沒有試過，不知道可不可以。

如果有同學知道怎麼弄，歡迎告訴我一下，不勝感激。

六.參考

opencv2.4.4中的facerec文件

等等。