扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
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，欢迎关注创新互联行业资讯频道！
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网