提取图像的lbp特征，使用matlab实现，简单易操作

自己在OPENCV中face库里面分离出来的LBP特征提取，及LBP直方图计算的库，已经简单封装好，可以直接使用，里面附带demo

LBP（local binary pattern），局部二值模式特征提取，用openCV实现的代码

针对传统GrabCut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息，当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误，以及基于像素的运算导致分割效率不高的问题，提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割，构建区域邻接图；然后对每个区域进行颜色和纹理特征的提取，通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联，采用自适应参数将纹理约束项引入能量函数，并将改进算法应用于人脸图像分割，有效改善了分割效果。实验结果表明，该算法分割结果更加准确，效率更高。

欧几里德法matlab代码用于基于内容的图像检索的Matlab代码 该存储库包含题为“基于内容的图像检索的集成方法” [1]的论文Matlab代码。 图像从[2]下载 程序设计 该程序可以使用Matlab运行。 我尝试使用尽可能少的工具箱，以便该程序可移植到所有版本的Matlab。 因此，我避免使用GUI，因为我不确定每个matlab版本的GUI库是否相似。 您可以在两种模式下使用该程序，即（1）快速模式和（2）慢速模式。 在（1）快速模式下，您将从所有图像中提取特征，然后才能从这些特征中找到相似性。 对于（1），应该首先运行extractFeature.m，然后才运行cbir_rank.m。 如果要更改图像路径，则必须同时在extractFeature.m和cbir_rank.m中都更改路径。 在（2）慢速模式下，您只需运行cbir_threshold.m。 如果要更改图像路径，则可以更改imgpath变量。 查询图像由cbir_rank.m和cbir_threshold.m中的文件名变量设置。 因此，如果要更改查询图像，只需将其更改为所需的任何图像即可。 我使这个程序很聪明。 因此

faceRecgSys：使用Matlab的人脸识别系统； 算法：LBP，PCA，KNN，SVM和朴素贝叶斯

LBP 获取图像的LBP特征：对图像的原始LBP模式、等价LBP模式、旋转不变LBP模式，以及等价旋转不变LBP模式的LBP特征进行提取以及显示。 get_LBP_from_Image.py 主要文件 获取图像的LBP特征 get_resolve_map.py和get_uniform_map.py主要是做降维后新的像素值的映射。已经将求出的结果写入了get_LBP_from_Image.py中，这两个主要是帮助理解算法降维后新的像素值怎么得到的。

LBP特征ADABOOST分类器，

题目描述 这篇博文是数字图像处理的大作业. 题目描述:给定40张不同风格的纹理图片,大小为512*512,要求将每张图片分为大小相同的9块,利用其中的5块作为训练集,剩余的4块作为测试集,构建适当的模型实现图片的分类. 图片如下图所示: 分析:由于数据集太小,所以神经网络模型并不适合此类的图像处理.就需要寻找方法提取图像的纹理信息.本文采用LBP的方法提取图像的纹理信息,然后转化成直方图作为图像的特征,然后使用多分类的方法进行分类. 环境 python2.7,jupyter notebook,anaconda 数据集的地址 实现 读取数据 Numpy包数组操作API格式化数据

matlab常用纹理特征提取方法代码（GLCM，GLDS，LBP，GMRF，FD，Gabor） 一些常用的纹理特征提取方法汇总 都是用matlab写的，经过测试后有效。希望对大家有所帮助。