extractLBPFeatures
提取局部二值模式(LBP)的特性
描述
例子
使用枸杞多糖特性来区分图像的纹理
读取图像包含不同的纹理。
brickWall = imread (“bricks.jpg”);rotatedBrickWall = imread (“bricksRotated.jpg”);地毯= imread (“carpet.jpg”);
显示图像。
图imshow (brickWall)标题(“砖头”)
图imshow (rotatedBrickWall)标题(“旋转砖”)
图imshow(地毯)标题(“地毯”)
从图像中提取枸杞多糖特征对纹理信息进行编码。
lbpBricks1 = extractLBPFeatures (brickWall,“正直”、假);lbpBricks2 = extractLBPFeatures (rotatedBrickWall,“正直”、假);lbpCarpet = extractLBPFeatures(地毯、“正直”、假);
计LBP特征之间的相似性通过计算它们之间的平方误差。
brickVsBrick = (lbpBricks1 - lbpBricks2) ^ 2;brickVsCarpet = (lbpBricks1 - lbpCarpet) ^ 2;
可视化平方误差比较砖与砖和砖与地毯。平方误差较小的图像时也有类似的纹理。
图酒吧([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)传说(砖与砖旋转的,“砖vs地毯”)
应用规范化L1 LBP特征
读入样本图像并将其转换为灰度。
我= imread (“gantrycrane.png”);I = im2gray(我);
非规范提取枸杞多糖功能,这样您就可以使用一个定制的标准化。
lbpFeatures = extractLBPFeatures(我“CellSize”(32 32),“归一化”,“没有”);
重塑成枸杞多糖特性数量的邻居——- - - - - -细胞的数量数组访问直方图为每个单独的细胞。
numNeighbors = 8;numBins = numNeighbors * (numNeighbors-1) + 3;lbpCellHists =重塑(lbpFeatures numBins, []);
正常使用L1范数每个枸杞多糖细胞柱状图。
lbpCellHists = bsxfun (@rdivide lbpCellHists,总和(lbpCellHists));
1——重塑LBP特征向量N特征向量。
lbpFeatures =重塑(lbpCellHists 1 []);
输入参数
输出参数
特性- - - - - - LBP特征向量的
1——- - - - - -N向量
LBP特征向量,作为1 -返回N向量的长度N代表的数量特征。LBP特征编码局部纹理信息,您可以使用等任务的分类、检测和识别。函数将输入图像划分成重叠细胞。收集信息在更大的区域,选择较大的细胞大小。然而,当你增加单元格大小,你失去了当地的细节。N,取决于图像中细胞的数量,numCells的邻居,P,正直的参数。
细胞的数量计算:
numCells= prod (地板上(大小(我)/CellSize)) |
图中显示一个图像与9细胞柱状图。每一个柱状图描述了一个枸杞多糖的特性。
每个单元中的直方图的大小(1,B),B直方图是箱子的数量。箱子的数量取决于正直的财产和邻居的数量,P。
| 正直的 | 数量的垃圾箱 |
|---|---|
真正的 |
(P (x)P1)+ 3) |
假 |
(P+ 2) |
整个LBP特征长度,N,取决于细胞的数量和箱子的数量,B:
| N=numCellsxB |
引用
[1]Ojala, T。,米。Pietikainen, and T. Maenpaa. “Multiresolution Gray Scale and Rotation Invariant Texture Classification With Local Binary Patterns.”IEEE模式分析与机器智能。问题7卷。24日,2002年7月,页971 - 987。
扩展功能
版本历史
介绍了R2015b
