使用OCTAVE來實踐基本形的LBP (Local Binary Pattern)

Local Binary Patterns 縮寫成LBP，姑且翻譯成區域二元樣式。LBP廣泛應用在圖形識別上，尤其人臉識別。今天利用Octave (Matlab)來撰寫程式，完成基本形的LBP。LBP有很多種變形，最基本的LBP就是對每一個影像點，與其相鄰的八個鄰居比較大小，得到長度為八的二元數字(換算成十進位就是0-255之間的數值)，再統計所有影像點的二元數字得到一個histogram(直方圖)就是LBP。


用一個小例子來解釋：

↓(a)是一個3x3的小影像，中心點為190；190的八個鄰居與其比較大小，比中心點小的設為0，其餘為1得到(b)；從左上角開始，順時鐘取得比較結果，得到長度為八的二元數字10110001 ，其十進位就是177。

由於每個影像點需利用其八個鄰居來計算LBP, 所以鄰居少於八個的就不列入考慮，也就是影像中最上一排、最下一排、最左一排及最右一排的影像點不會計算其LBP。

------ 開始寫程式 -------
由於只考慮八個鄰居的基本形LBP，可以利用Octave的特性寫一個簡單的雛形，程式如下：

im : 輸入的灰度影像

imC：輸入影像中需要計算的部份，也就是去除im最上下左右一排；imC中的每一個像素都要與八個鄰居比較，計求其十進位值。

imout：結果影像，初始值為0；尺寸與imC一樣

im1~im8：尺寸與imC相同，起始坐標即是8鄰居的相對位置(順時鐘)

imB=im1>=imC：imC中的每一個像素與其左上方像素比較，結果儲存在imB

imout = imout + 128*imB：二元數字轉換成十進位數

imB=im2>=imC：imC中的每一個像素與其上方像素比較，結果儲在imB

imout = imout + 64*imB：二元數字轉換成十進位數

....

imB=im8>=imC：imC中的每一個像素與其左方像素比較，結果儲在imB

imout = imout + 1*imB：二元數字轉換成十進位數

實際執行一遍...

↑A是亂數產生的8x8矩陣，其值介於0-255，LBP(A)得到一個6x6矩陣

↑上圖顯示其中一點的計算過程

這程式看起來有點呆呆的, 不過比較容易理解。如果想要把它寫得「有學問」，可以將八個鄰居坐標存在陣列中，再用for  loop來完成。最後要提醒的是，上面的程式輸出結果是一個LBP影像(除了最外一圈，所有像素都求其LBP編碼)，並非histogram。可以利用imhist就可馬上得到LBP影像的histogram，練習一下：

↑讀取影像存在im，　藉由我們寫的程式LBP求得LBP影像imLBP，再由imhist把histogram存在LBPhist中，也就是LBPhist是一個一維陣列。最後繪出影像LENA及其LBP 直方圖。

--  END --