有些时候，我们需要一种危机，来激发我们自身的潜能，唤醒我们内心深处被掩藏已久的人生激情，来实现人生的最大价值。时刻是没有声音的锉刀。早上好！
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)
到此这篇关于Python + OpenCV 实现LBP特征提取的示例代码就介绍到这了。你就像是一只暗夜里的灵魂，潜伏在我的周边。更多相关Python + OpenCV 实现LBP特征提取的示例代码内容请查看相关栏目，小编编辑不易，再次感谢大家的支持！
