社区
机器视觉
帖子详情
opencv得到了lbp的图像如何得到特征值呢
sinat_37339643
2017-10-27 10:24:31
我现在已经仿照别人的写法得出了lbp处理的图像,现在我看博文再根据lbp直方图得到他的特征值,请问这个是如何得到的呢?
哪里能有详细代码?供我参考一下呢?
...全文
572
回复
打赏
收藏
opencv得到了lbp的图像如何得到特征值呢
我现在已经仿照别人的写法得出了lbp处理的图像,现在我看博文再根据lbp直方图得到他的特征值,请问这个是如何得到的呢? 哪里能有详细代码?供我参考一下呢?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
LBP
.zip_
OpenCV
邻域_
lbp
LBP
特征特诊算子源码,用于求取
图像
8,16邻域的
特征值
,基于
OpenCV
LBP
.rar_
lbp
检测_
opencv
texture_
opencv
纹理_局部二值模式_纹理
在数字
图像
处理和模式识别领域,
LBP
指局部二值模式,是一种有效的纹理描述算子,度量和提取
图像
局部的纹理信息,对光照具有不变性。本程序是
LBP
算子在C++&
opencv
平台下的实现,可以实时检测
图像
的纹理特征。
LBP
特征提取
LBP
(local binary pattern),局部二值模式特征提取,用
openCV
实现的代码
李立宗_
OPENCV
编程案例详解.zip
Part I 基础篇
OpenCV
开发基础. 1 第 1 章初识
OpenCV
.. 3 1.1
OpenCV
初识 4 1.1.1
OpenCV
简介.. 4 1.1.2
OpenCV
组件及架构.. 5 1.1.3
OpenCV
资源.. 9 1.2 VS2012 安装
OpenCV
2.4.x .. 9 1.3 VS2013 安装
OpenCV
3.0 14 1.4 Sublime 下配置
OpenCV
. 16 1.5 小结 19 第2 章
图像
及视频基本操作. 20 2.1
图像
初级操作 21 2.1.1 Mat 类 21 2.1.2 Mat 基本操作 23 2.1.3 Mat 类型转换 24 2.1.4
图像
读取显示保存 24 2.1.5
图像
存储. 26 2.2
图像
几何变换 28 2.2.1 坐标映射. 28 2.2.2 平移 29 2.2.3 缩放 33 2.2.4 旋转 36 2.2.5 仿射变换. 40 2.3 视频操作.. 43 2.3.1 VideoCapture 类.. 43 2.3.2 视频写操作 45 2.3.3 视频质量评价.. 48 2.4
图像
基础应用操作. 50 2.4.1 界面事件. 50 2.4.2 区域提取. 54 2.4.3
图像
元素遍历——反色.. 58 2.4.4 单窗口显示多幅
图像
63 2.4.5
图像
颜色空间转换 66 2.4.6
图像
批量读取——规则.. 69 2.4.7
图像
批量读取——无规则. 70 2.5 小结 71 Part II 进阶篇
图像
处理技术.. 73 第 3 章进阶篇——
图像
灰度变换技术. 75 3.1 阈值化处理. 76 3.1.1 OTSU 阈值化 76 3.1.2 固定阈值化 79 3.1.3 自适应阈值化.. 81 3.1.4 双阈值化. 83 3.1.5 半阈值化. 84 3.2 直方图处理. 85 3.2.1 灰度直方图 85 3.2.2 H-S 直方图. 88 3.2.3 BGR 直方图.. 89 3.2.4 自定义直方图.. 91 3.2.5 灰度直方图均衡. 93 3.2.6 彩色直方图均衡. 94 3.2.7 直方图变换——查找 95 3.2.8 直方图变换——累计 97 3.2.9 直方图匹配 99 3.2.10 直方图对比.. 101 3.2.11 直方图的反向投影 105 3.3 距离变换 108 3.3.1 距离. 108 3.3.2 邻接性 109 3.3.3 区域..110 3.3.4 距离变换——扫描..110 3.3.5 距离变换——distanceTransform..113 3.4 Gamma 校正.115 3.5 其他常见的灰度变换技术117 3.5.1 线性变换117 3.5.2 对数变换119 3.5.3 对比度拉伸. 121 3.5.4 灰度级分层. 124 3.5.5 灰度比特平面 125 3.6 实例应用 128 3.6.1 最大熵阈值分割.. 128 3.6.2 投影峰谷查找 131 3.7 小结. 134 第4 章进阶篇——
图像
平滑技术.. 135 4.1
图像
采样 136 4.1.1 最近邻插值. 136 4.1.2 双线性插值. 138 4.1.3 插值操作性能对比. 140 4.1.4
图像
金字塔. 143 4.2 傅里叶变换.. 146 4.2.1
图像
掩码操作 146 4.2.2 离散傅里叶. 149 4.2.3
图像
卷积.. 151 4.3
图像
噪声 153 4.3.1 椒盐噪声.. 153 4.3.2 高斯噪声.. 155 4.4 空间平滑 157 4.4.1 盒滤波 157 4.4.2 均值滤波.. 159 4.4.3 中值滤波.. 159 4.4.4 高斯滤波.. 161 4.4.5 双边滤波.. 163 4.5 实例应用 166 4.5.1 导向滤波.. 166 4.5.2
图像
污点修复 169 4.5.3 旋转文本
图像
矫正. 172 4.6 小结. 178 第5 章进阶篇——边缘检测技术.. 179 5.1 边缘检测基础. 180 5.1.1 边缘检测概念 180 5.1.2 梯度算子.. 180 5.1.3 一阶微分算子 180 5.1.4 二阶微分算子 181 5.1.5
图像
差分运算 182 5.1.6 非极大值抑制 184 5.2 基本边缘检测算子——Sobel 184 5.2.1 非极大值抑制Sobel 检测.. 185 5.2.2
图像
直接卷积实现Sobel 186 5.2.3
图像
卷积下非极大值抑制Sobel. 187 5.2.4 Sobel 库函数实现 190 5.3 基本边缘检测算子——Laplace 192 5.4 基本边缘检测算子——Roberts 194 5.5 基本边缘检测算子——Prewitt. 195 5.6 改进边缘检测算子——Canny .. 198 5.6.1 Canny 算子.. 198 5.6.2 Canny 原理及实现.. 198 5.6.3 Canny 库函数实现.. 203 5.7 改进边缘检测算子——Marr-Hildreth .. 204 5.8 几何检测 207 5.8.1 霍夫变换.. 207 5.8.2 线检测技术. 208 5.8.3 LSD 快速直线检测. 210 5.8.4 圆检测技术. 214 5.9 形状检测 215 5.9.1 轮廓检测.. 215 5.9.2 凸包检测.. 217 5.9.3 轮廓边界框. 221 5.9.4 轮廓矩 226 5.9.5 点多边形测试 229 5.10 角点检测. 232 5.10.1 moravec 角点 232 5.10.2 harris 角点. 235 5.10.3 Shi-Tomasi 角点. 238 5.11 实例应用. 240 5.11.1 颜色圆检测.. 240 5.11.2 车牌区域检测.. 243 5.12 小结 249 第6 章进阶篇——形态学技术. 250 6.1 腐蚀膨胀操作. 251 6.2 开闭运算操作. 253 6.3 形态学梯度.. 255 6.4 形态学Top-Hat.. 256 6.5 实例应用 257 6.5.1 形态学滤波角点提取. 257 6.5.2 车牌目标提取 260 6.6 小结. 263 Part III 高级篇
图像
应用技术. 265 第 7 章高级篇——
图像
分割技术.. 267 7.1 分水岭分割.. 268 7.1.1 分水岭的特征 268 7.1.2 实现分水岭分割.. 269 7.1.3 分水岭分割合并.. 270 7.2 FloodFill 分割. 273 7.3 均值漂移MeanShift 276 7.4 图割Grabcut 279 7.5 实例实例 282 7.5.1 奇异区域检测 282 7.5.2 肤色检测.. 285 7.6 小结. 288 第8 章高级篇——特征分析.. 289 8.1 尺度空间 290 8.1.1 尺度与旋转不变性. 290 8.1.2 特征点尺度变换.. 290 8.2 特征描述子.. 291 8.2.1 SIFT 特征. 292 8.2.2 SURF 特征.. 296 8.2.3 ORB 特征. 300 8.3 方向梯度直方图HOG 302 8.3.1 HOG 原理. 302 8.3.2 HOG 特征提取步骤 303 8.3.3 HOGDescriptor 特征描述类.. 304 8.3.4 HOG 特征描述实现 305 8.4 局部二值模式
LBP
.. 309 8.4.1 经典
LBP
.. 309 8.4.2 圆形
LBP
311 8.5 Haar 特征描述 314 8.5.1 Haar 原理. 314 8.5.2 Haar 特征提取 315 8.6 应用实例 317 8.6.1 最近邻特征点目标提取 317 8.6.2 最大极值稳定区域匹配MSER 320 8.6.3 字符特征提取 324 8.6.4 车牌字符SVM 训练.. 327 8.7 小结. 331 第 9 章高级篇——复杂视频处理技术.. 332 9.1 视频稳像技术. 333 9.2
图像
拼接 338 9.2.1 拼接原理及过程.. 338 9.2.2
图像
拼接实现 339 9.3 高动态范围
图像
HDR 342 9.3.1 HDR 合成技术.. 342 9.3.2 HDR 合成原理.. 342 9.3.3
OpenCV
实现. 343 9.4 背景建模 344 9.4.1 背景差分.. 345 9.4.2 混合高斯背景建模. 345 9.4.3 混合高斯背景建模实现 346 9.4.4 混合模型MOG2 成员参数设定. 348 9.4.5 KNN 模型背景建模实现. 349 9.4.6 GMG 模型背景建模实现 351 9.5 级联分类器——人脸检测.. 353 9.5.1 级联分类器. 353 9.5.2 CascadeClassifier 类 353 9.6 应用实例 355 9.6.1 运动目标提取 355 9.6.2 TLD 单目标跟踪.. 358 9.6.3 人眼检测与跟踪.. 361 9.7 小结. 365 附录A 366 1——代码清单.. 366 2——CMake 编译
OpenCV
3.1 源码. 372 3——
OpenCV
3.1 Extra 扩展库 375 参考文献.... 379
Opencv
实现人脸识别
Opencv
中做人脸检测的时候的一个级联分类器。并且既可以使用Haar,也可以使用
LBP
特征。 Haar特征是一种反映
图像
的灰度变化的,像素分模块求差值的一种特征。 它分为三类:边缘特征、线性特征、中心特征和对角线特征。 用黑白两种矩形框组合成特征模板,在特征模板内用 黑色矩形像素和 减去 白色矩形像素和来表示这个模版的
特征值
。 例如:脸部的一些特征能由矩形模块差值特征简单的描述, 如:眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周围颜色要深等。 但矩形特征只对一些简单的图形结构,如边缘、线段较敏感,所以只能描述在特定方向(水平、垂直、对角)上有明显像素模块梯度变化的
图像
结构。 这样就可以进行区分人脸。
机器视觉
4,446
社区成员
15,335
社区内容
发帖
与我相关
我的任务
机器视觉
图形图像/机器视觉
复制链接
扫一扫
分享
社区描述
图形图像/机器视觉
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章