Local Binary Pattern Là Gì

Mở đầu

Local binary pattern

Local binary pattern nó là một trong thuật toán biểu lộ texture(cầu trúc) của một image. Ý tưởng cơ bản của nó là mô rộp lại kết cấu cục bộ(local texture) của image bằng cách so sánh mỗi px với những pixel bên cạnh nó(neighbors).Ta đang đặt một px là trung tâm(center) với so sánhvới các pixel kề bên với nó, nếu pixel trung tâm to hơn hoặc bởi pixel kề bên thì nó đã trả về quý giá 1, trái lại 0. Ví dụ bọn chúng talấy nửa đường kính 8 pixel bên cạnh thì lbp sẽ sở hữu được dạng 11001111, là 1 trong những chuỗi nhị phân để đơn giản và dễ đọc hơn ta sẽ gửi về dạng decimal 207.

Bạn đang xem: Local binary pattern là gì

Bạn sẽ xem: Local binary pattern là gì


*

bí quyết tính này có hạn chế sẽ là chỉ số lượng giới hạn 3x3 px không đầy đủ để miêu tả các kết cấu large scale nên người ta mở rộng khái niệm LBP bằng cách định nghĩa thêm 2 thông số là (P,R) trong đó P là số pixel ở bên cạnh xem xét và R là bán kính ta quét từ px trung tâm. Như hình bên dưới.

Xem thêm: Sông Bến Hải Ở Đâu - Sông Bến Hải Và Cầu Hiền Lương Quảng Trị


*

công thức LBP như sau :

trong kia :

Code trong python cùng với skimage

import numpy as npfrom skimage import iofrom skimage.feature import local_binary_patternfrom matplotlib import pyplot as plt%matplotlib inlineim = io.imread("image.png",as_grey=True)lbp = local_binary_pattern(im,8,1,method="uniform")plt.figure(figsize=(25,25))plt.subplot(1,3,1)plt.imshow(im,cmap="gray")plt.subplot(1,3,2)plt.imshow(lbp,cmap="gray")

*

Histogram Oriented of Gradient Histogram Oriented of Gradient (Hog) là một feature descriptor thường được dùng trong object recognition. Như bọn họ đã biết trongimage processing thì khái niệm đạo hàm khôn cùng quan trọng. Nó là cơ sở của nhiều thuật toán như edge,coner detection. Dựa vào điểm sáng này tín đồ ta bắt đầu xây dựng nó có tác dụng feature trên cơ sở derivative. Đạo hàm của image là 1 trong matrix theo ox với oy nó gồm 2 đặc trưng là độ lớn(magnitude) cùng hướng(direction). Để làm cho feature bên trên image thì cần yếu để 2 đại lượng này rời rộc được nên bạn ta bắt đầu nghĩ ra phương thức chuẩn hóa nó (quantization) sẽ là đưa nó về dạng histogram của magnitude theo direction.Bây giờ đồng hồ ta tra cứu hiểu quá trình tính toán ra hog.


*

các bước tính hog nỗ lực thể. Xét bên trên 1 cell như trong ảnh là 8x8: 1, Tính đạo hàm của image theo x,y 2, Tính magitude $g = sqrt g_x^2 + g_y^2 $ và direction $ heta = arctan(g_y / g_x)$ 3, phân chia magitude theo 9 bins( có hướng theo direction từ bỏ 0-180 mỗi bin 20) 4, lưu ý trên 1 block 16x16 thì để tránh tác động của khả năng chiếu sáng tối ảnh hưởng tới image bạn ta sẽ chuẩn hóa gradient(Normalizing Gradient Vectors). Vày như họ biết khi chuẩn chỉnh hóa cùng hoặc trừ 1 đại lượng trên image vẫn ko làm biến đổi gradient.

Ảnh minh họa bí quyết đưa magitude vào bin theo direction

*

Code vào python : Ta rất có thể dùng opencv hoặc skimage nhằm tính hog. Trong opencv: cv2.HOGDescriptor với những tham số win_size,block_size,block_stride,cell_size,num_bín vào skimage : fucntion hog với những tham số orientations, pixels_per_cell,cells_per_block

SIFT

Còn sift với những biến thể của nó bổ sung sau About

A blog about python,machine learning and deep learning theme.


Leave a Reply Cancel reply

Your thư điện tử address will not be published. Required fields are marked *