OpenCV——多分辨率LBP的计算方法由CSDN点云侠原创，爬虫自重。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。

一、算法原理

1、原理概述

  基本LBP算子虽然在早期的实验中取得了一系列成果，但是应用于不同领域的具体问题时，该算子的处理结果并不能达到预期的效果。因此，很多学者对其进行了改进，并取得了显著成果。改进算子主要有多分辨率LBP、旋转不变LBP和等价LBP等。

  TimoOjala等＿对基本LBP进行拓展，拓展后的多分辨率LBP不再仅仅是$3\times 3$格网，而是可以设置邻域像素数量和半径，通常用$P$表示邻域像素个数，用$R$表示半径，记为LBP_PR；与此同时，运用了插值的思想，将邻域窗口由方形拓展为圆形。基本LBP是邻域像素数量Ｐ＝８，半径Ｒ＝1.0的版本。下图描述了Ｐ和Ｒ取不同值时的情况。

多分辨率LBP   从图中可以看出，只要不断改变窗口大小，即改变Ｐ和Ｒ的值，LBP就具备了多分辨率识别的特性，TimoOjala等人通过实验得出，将图像的灰度直方图和LBP特征结合可以增强分类效果。

2、参考文献

[1] 马新江. 基于多元LBP特征的车载激光点云中道路边界提取[D].山东科技大学,2019.

二、代码实现

#include<iostream>
#include<opencv2/opencv.hpp>using namespace std;// 多分辨率LBP
cv::Mat ExpandLocalBinaryPattern(cv::Mat& orignImg, int lbpRadius = 3, int maxCount = 20)
{cv::Mat grayImg;cvtColor(orignImg, grayImg, cv::COLOR_BGR2GRAY);int offset = lbpRadius * 2;cv::Mat elbpImg = cv::Mat::zeros(grayImg.rows - offset, grayImg.cols - offset, CV_8UC1);int numNeighbor = 8;for (int n = 0; n < numNeighbor; n++){float x = lbpRadius * cos((2 * CV_PI * n) / numNeighbor);float y = lbpRadius * (-sin((2 * CV_PI * n) / numNeighbor));int fx = static_cast<int>(floor(x)); // 向下取整，它返回的是小于或等于函数参数,并且与之最接近的整数int fy = static_cast<int>(floor(y));int cx = static_cast<int>(ceil(x));  // 向上取整，它返回的是大于或等于函数参数,并且与之最接近的整数int cy = static_cast<int>(ceil(y));float ty = y - fy;float tx = x = fx;float w1 = (1 - tx) * (1 - ty);float w2 = (tx) * (1 - ty);float w3 = (1 - tx) * (ty);float w4 = (tx) * (ty);for (int row = lbpRadius; row < (grayImg.rows - lbpRadius); row++){for (int col = lbpRadius; col < (grayImg.cols - lbpRadius); col++){float t = w1 * grayImg.at<uchar>(row + fy, col + fx) +w2 * grayImg.at<uchar>(row + fy, col + cx) +w3 * grayImg.at<uchar>(row + cy, col + fx) +w4 * grayImg.at<uchar>(row + cy, col + cx);elbpImg.at<uchar>(row - lbpRadius, col - lbpRadius) +=((t > grayImg.at<uchar>(row, col)) && (abs(t - grayImg.at<uchar>(row, col)) > std::numeric_limits<float>::epsilon())) << n;}}}return elbpImg;
}int main(int argc, char** argv)
{cv::Mat img = cv::imread("luna.png");//cv::Mat img;//resize(img, img, cv::Size(800, 500), 0, 0, cv::INTER_AREA);if (img.empty()){cout << "请确认图像文件名称是否正确" << endl;return -1;}imshow("img", img);// 多分辨率LBPcv::Mat lbpImg = ExpandLocalBinaryPattern(img);imshow("多分辨率LBP", lbpImg);cv::waitKey(0);return 0;}

三、结果展示