这篇文章主要介绍Python + OpenCV如何实现LBP特征提取，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

背景

看了些许的纹理特征提取的paper，想自己实现其中部分算法，看看特征提取之后的效果是怎样

运行环境

• Mac OS

• Python3.0

• Anaconda3(集成了很多包，浏览器界面编程，清爽)

步骤

导入包

from skimage.transform import rotate
from skimage.feature import local_binary_pattern
from skimage import data, io,data_dir,filters, feature
from skimage.color import label2rgb
import skimage
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import cv2

参数设置

# settings for LBP
radius = 1 # LBP算法中范围半径的取值
n_points = 8 * radius # 领域像素点数

图像读取

# 读取图像
image = cv2.imread('img/logo.png')
#显示到plt中，需要从BGR转化到RGB，若是cv2.imshow(win_name, image)，则不需要转化
image1 = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
plt.subplot(111)
plt.imshow(image1)

灰度转换

image = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
plt.subplot(111)
plt.imshow(image, plt.cm.gray)

LBP处理

lbp = local_binary_pattern(image, n_points, radius)
plt.subplot(111)
plt.imshow(lbp, plt.cm.gray)

边缘提取

edges = filters.sobel(image)
plt.subplot(111)
plt.imshow(edges, plt.cm.gray)

以上是“Python + OpenCV如何实现LBP特征提取”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注天达云行业资讯频道！