// LBP.cpp : 定义控制台应用程序的入口点。
//  /*********************************************************************** * OpenCV 2.4.4 测试例程 * 杜健健 提供 ***********************************************************************/  #include "stdafx.h"
#include <opencv2/opencv.hpp>
#include  <cv.h>
#include  <highgui.h>
#include  <cxcore.h>  using namespace std;
using namespace cv;  //原始的LBP算法
//使用模板参数  template <typename _Tp> static
void olbp_(InputArray _src, OutputArray _dst) {  // get matrices  Mat src = _src.getMat();  // allocate memory for result  _dst.create(src.rows-2, src.cols-2, CV_8UC1);  Mat dst = _dst.getMat();  // zero the result matrix  dst.setTo(0);  cout<<"rows "<<src.rows<<" cols "<<src.cols<<endl;  cout<<"channels "<<src.channels();  getchar();  // calculate patterns  for(int i=1;i<src.rows-1;i++) {  cout<<endl;  for(int j=1;j<src.cols-1;j++) {  _Tp center = src.at<_Tp>(i,j);  //cout<<"center"<<(int)center<<"  ";  unsigned char code = 0;  code |= (src.at<_Tp>(i-1,j-1) >= center) << 7;  code |= (src.at<_Tp>(i-1,j  ) >= center) << 6;  code |= (src.at<_Tp>(i-1,j+1) >= center) << 5;  code |= (src.at<_Tp>(i  ,j+1) >= center) << 4;  code |= (src.at<_Tp>(i+1,j+1) >= center) << 3;  code |= (src.at<_Tp>(i+1,j  ) >= center) << 2;  code |= (src.at<_Tp>(i+1,j-1) >= center) << 1;  code |= (src.at<_Tp>(i  ,j-1) >= center) << 0;  dst.at<unsigned char>(i-1,j-1) = code;  //cout<<(int)code<<" ";  //cout<<(int)code<<endl;  }  }
}  //基于旧版本的opencv的LBP算法opencv1.0
void LBP (IplImage *src,IplImage *dst)
{  int tmp[8]={0};  CvScalar s;  IplImage * temp = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U,1);  uchar *data=(uchar*)src->imageData;  int step=src->widthStep;  cout<<"step"<<step<<endl;  for (int i=1;i<src->height-1;i++)  for(int j=1;j<src->width-1;j++)  {  int sum=0;  if(data[(i-1)*step+j-1]>data[i*step+j])  tmp[0]=1;  else  tmp[0]=0;  if(data[i*step+(j-1)]>data[i*step+j])  tmp[1]=1;  else  tmp[1]=0;  if(data[(i+1)*step+(j-1)]>data[i*step+j])  tmp[2]=1;  else  tmp[2]=0;  if (data[(i+1)*step+j]>data[i*step+j])  tmp[3]=1;  else  tmp[3]=0;  if (data[(i+1)*step+(j+1)]>data[i*step+j])  tmp[4]=1;  else  tmp[4]=0;  if(data[i*step+(j+1)]>data[i*step+j])  tmp[5]=1;  else  tmp[5]=0;  if(data[(i-1)*step+(j+1)]>data[i*step+j])  tmp[6]=1;  else  tmp[6]=0;  if(data[(i-1)*step+j]>data[i*step+j])  tmp[7]=1;  else  tmp[7]=0;     //计算LBP编码  s.val[0]=(tmp[0]*1+tmp[1]*2+tmp[2]*4+tmp[3]*8+tmp[4]*16+tmp[5]*32+tmp[6]*64+tmp[7]*128);  cvSet2D(dst,i,j,s);写入LBP图像  }
}  int _tmain(int argc, _TCHAR* argv[])
{  //IplImage* face = cvLoadImage("D://input//yalefaces//01//s1.bmp",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);  IplImage* face = cvLoadImage("D://input//lena.jpg",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);  //IplImage* lbp_face =   cvCreateImage(cvGetSize(face), IPL_DEPTH_8U,1);  IplImage* Gray_face = cvCreateImage( cvSize( face->width,face->height ), face->depth, 1);//先分配图像空间  cvCvtColor(face, Gray_face ,CV_BGR2GRAY);//把载入图像转换为灰度图  IplImage* lbp_face =   cvCreateImage(cvGetSize(Gray_face), IPL_DEPTH_8U,1);//先分配图像空间  cvNamedWindow("Gray Image",1);  cvShowImage("Gray Image",Gray_face);  //Mat face2 = imread("D://input//buti.jpg",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);  Mat face2 = imread("D://input//yalefaces//01//s1.bmp",CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR);  //Mat Gray_face2 = Mat::zeros(face2.size(),IPL_DEPTH_8U,1);  //cvCvtColor(face2,Gray_face2,CV_BGR2RAY);  Mat lbp_face2 = Mat::zeros(face2.size(),face2.type()) ;  //Mat::copyTo(lbp_face,face);  //显示原始的输入图像  cvNamedWindow("Src Image",CV_WINDOW_AUTOSIZE);  cvShowImage("Src Image",face);  //imshow("Src Image",face);  //计算输入图像的LBP纹理特征  LBP(Gray_face,lbp_face);  //olbp_<uchar>((Mat)face,(Mat)lbp_face);//有问题的调用  olbp_<uchar>(face2,lbp_face2);  //显示第一幅图像的LBP纹理特征图  cvNamedWindow("LBP Image",CV_WINDOW_AUTOSIZE);  cvShowImage("LBP Image",lbp_face);  //显示第二幅图 的LBP纹理特征图-一张yaleface人脸库中的人脸LBP特征图  namedWindow("LBP Image2",1);  imshow("LBP Image2",lbp_face2);  waitKey();  //cvReleaseImage(&face);  cvDestroyWindow("Src Image");  return 0;  }  

三.示例结果，LBP纹理特征

原始图像lena.jpg

变换成灰度图后：

提取图片的LBP特征：

提取人脸图像的LBP特征；

四.注意事项

1 两个函数都只能对灰度图像就行处理，所以，在使用这两个函数时，必须先把原始图像转换成灰度图像方可

2 关于早期只显示图像1/3或者1/4区域的LBP纹理特征问题的解决方法：

这个是因为你的输入图像不是灰度图的缘故，需要把彩色图，多通道的图像转换成单通道的图像，再作为参数传入函数，才能得到完整图像的LBP纹理特征。

3 载入灰度图像的方法：

把函数cvLoadImage()函数的第二个参数，还有imread() 的第二个参数设置成：CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR

五、参考