Mahotas - 局部二值模式

局部二值模式 (LBP) 是一种生成二值模式的方法。它比较中心像素与其邻域像素的强度值。

如果邻域中的每个像素的强度值大于或等于中心像素的强度值，则将其分配为 1，否则分配为 0。

二值模式用于计算统计量或直方图表示，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、物体识别和图像检索。

局部二值模式使用一种称为线性二值模式的技术。线性二值模式考虑线性（直线）邻域来创建二值模式。让我们简要讨论一下下面的线性二值模式。

线性二值模式

线性二值模式用于描述图像的纹理。它通过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来工作。

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 来表示该模式。

在这里，我们查看图像的线性二值模式 -

示例

在下面提到的示例中，我们尝试执行上述讨论的功能。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
image = mh.imread('nature.jpeg', as_grey=True)
# Linear Binary Patterns
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 -

我们将在后面的章节中详细讨论线性二值模式。