老规矩，先上背景，算是表示对LBP算法提出者的一种尊敬（其实，是为了装...kkk,大家都懂ha）。

 

一、LBP背景：

　　　　LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征。至今，仍在图像识别和人脸识别部分，有很好的效果。

二、LBP特征的原理：

　　　　从94年T. Ojala, M.Pietikäinen, 和D. Harwood提出至今，LBP经历过多次的改进，以下根据时间顺序介绍：

FirstBleed：

　　　原始的LBP算子定义为在3*3的窗口内，以窗口内的中心点的像素值为标准，对比窗口内其余8个元素的像数值大小，大于中心点的位置用1表示，小于为0。如此，3*3领域内的8个点恰可产生8为二进制数字（通常转化为十进制表示成LBP值）即为中心点的LBP特征值。

SecondBleed:

　　原始的LBP提出后，研究人员不断对其改进和优化，以下是改进点。

　　（一）：圆形LBP算子:

　　　　原始LBP算子固定为某个区域，在图像尺寸和频率纹理发生改变时，会出现很大的偏差，不能正确反映像素点周围的纹理信息。为适应不同尺寸的纹理特征，Ojal将圆形邻域替代正方形邻域。改进后的LBP允许半径为R的圆形邻域有任意多个特征点。从而得到诸如半径为R的圆形区域内含有P个采样点的LBP算子：

　　　上图：