lbp特征匹配代码（lbp特征提取图解）

今天给各位分享lbp特征匹配代码的知识，其中也会对lbp特征提取图解进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、阀门压力用lbp和lbrl是什么意思？
• 2、什么是lbp
• 3、MATLAB简单
• 4、佳能LBP740代码维修
• 5、纹理特征提取方法：LBP, 灰度共生矩阵

阀门压力用lbp和lbrl是什么意思？

lbp是Local Binary Patterns的缩写，中文名字叫做“线性反投影算法”，指局部二值模式，最初功能为辅助图像局部对比度，并不是一个完整的特征描述子。lbp线性反投影算法又称累加法，是最早使用的一种简单成像算法。它将通过某点的所有投影射线进行累加，再反向估算出该点的密度值，从成像观点分析，它是不完全的雷登逆变换。lbp算法计算步骤：1、基于均质灵敏度信息，利用线性反投影算法获得初始图像。2、利用已获得的介电常数分布，求解正问题，得到一组仿真电容值，将该值与测量电容值进行比较，若误差已达到满意值，算法结束，否则进行下步。3、修正灵敏度信息。4、根据上步已经修正后的灵敏度信息，利用测量电压重新进行线性反投影；返回第二步，并进行循环迭代，直到获得满意的结果为止，迭代结束。

什么是lbp

LBP指局部二值模式，英文全称：Local Binary Patterns。最初功能为辅助图像局部对比度，并不是一个完整的特征描述子。

局部二值模式， Local binary patterns， LBP， 一种用于纹理分类的特征。如果局部二值模式特征与方向梯度直方图结合，则可以在一些集合上十分有效的提升检测效果。它将各个像素与其附近的像素进行比较，并把结果保存为二进制数。由于其辨别力强大和计算简单，局部二值模式纹理算子已经在不同的场景下得到应用。LBP最重要的属性是对诸如光照变化等造成的灰度变化的鲁棒性。它的另外一个重要特性是它的计算简单，这使得它可以对图像进行实时分析。

局部二值模式（LBP）首先是用来做图像局部特征比较的，传统的LBP方法，首先通过阈值来标记中心点像素与其邻域像素之间的差别。LBP是人脸识别中经常使用的一种方法。

最早的LBP算子是定义在3*3的邻域上的。它使用中心像素值来计算8的邻域像素。然后在乘以领域的权值得到结果。

MATLAB简单

1）划分子区域

方法一：

图像I是个矩阵，划分为子区域就是按一定规律取矩阵的对应行列。

例如I   100*100矩阵，10*10个子区域为：

则其

第一块为:(1:10,1:10)    子区域编号为(1,1)

第二块为:(11:20,1:10)  子区域编号为(2,1)

以此类推：

可以通过循环来实现：

for i=1:10;

   for j=1:10;

   eval(['I' num2str(i) num2str(j) '=I(1+10*(i-1):10+10*(i-1),1+10*(j-1):10+10*(j-1))']);

   end

end

每个子区域为I11 I12 I13...I1010

示例：

方法二：通过裁剪命令，裁剪出对应的区域：

I2=imcrop（I,RECT）

RECT是对应区域的边界

比如:

I11=imcrop(I,[1,1,10,10]);即子区域的左上角点坐标和右下角点坐标。

示例代码如下：

for i=1:10;

   for j=1:10;

   eval(['I' num2str(i) num2str(j) '=imcrop(I,[1+10*(i-1),1+10*(i-1),10+10*(j-1),10+10*(j-1)])']);

   end

end

2）直方图的求取和画法：

[x,n]=hist(I(:),1:255);

% x返回横坐标数组-----频数统计的小区间的中点

% n返回纵坐标数组-----各小区间内的频数

plot(n,x)

此外也可以直接用:

p=imhist(I);

plot(p);

概率密度：plot(p/N);

%N为区域总点数，如10*10。

3）将划分区域和灰度直方图一起使用：

for i=1:10;

    for j=1:10;

    p(10*(i-1)+j,:)=imhist(I(1+10*(i-1):10+10*(i-1),1+10*(j-1):10+10*(j-1)));

    end

end

则每个子区域的直方图统计数据在p矩阵的每一行中，共计100行。

佳能LBP740代码维修

LBP打印机增补代码1：

A2-28 内存出错：打印文件太大（图文）；打印机内存不足。

A6-46 SERVICE　内存出错

A6-33 Time out table overflow 超时,内存出错。

A0-35 SERVICE……内存出错

A0-3B SERVICE……内存出错

A4-22 Too many fonts……字体太多，内存溢出。

18 CAS.FEED REJ.THICK 厚进纸仓选择

E5 FIX.UNIT WARN 定影部件警告（计数器超过10万张）

OF OPT REMOVAL　使用中的部件离位（双面器）

EF DRUM CHECK 鼓计数器出错

E0 DRUM WARNING鼓(计数器)警告

E8……定影器出错

93 CABLE CHECK （2260下层纸托柜线未接）

5F-50 SERVICE……定影器故障

（CTL SET EE，有时候出现此代码，可能也与电脑数据传输出错有关，如果拔掉打印线问题消失，将是与数据传输有关，重起电脑）

5F-50 Service 002：定影器温控管问题。

5F-51 SERVICE……激光头故障

5F-54 SERVICE 070 废粉警告快满了（LBP2260）

LBP打印机增补代码2：

5F-55 SERVICE 030 鼓架费粉满（彩色机2260）

51……Super Fine Rej.1200dpi打印时，内存容量设置的不对（内存溢出）。Tested by Bamboo Services

8F-84 SERVICE CTL SET EE…电源接触问题，拔掉网卡试试；检修或更换电源板。

8F-86：To be investigated.

98 DRUM CHEK 鼓计数器故障,可能接触不良等。

1F F/D FULL/CHECK: 出纸口的传感器问题:可能脏了,可能碰歪了，也可能是活动不

激打打印质量下降及解决速查一览

对于激光打印机来说，由于其工作原理基本相似，所以很多质量故障也是多种机型可以通用的。激光打印机当使用一定的年限，即输出一定数量的样张后，其打 印质量都会有所下降， 一些部件在使用到极限时，就会出现打印质量的缺陷。有些是由于我们对激光打印机工作原理 及性能不太熟悉，因此在操作时没有将其调整到最佳状态或还处于错误状态下，还有使用材料不符合规定等，使输出效果不佳，这就是我们称之为“不是故障的故障 ”。它一般不影响打印机的正常工作，但打印出的结果却无法让人满意等等。下面介绍一些打印质量问题及解决办法。

1、输出全张黑纸

可能故障原因：

(1) 若激光器肯定是好的，则可能充电电极与栅网短路；

(2) 扫描驱动电路逻辑错误；

(3) 硒鼓组件放电不良；

(4) 信号连线没有接好。

检查部位及检修方法：

(1) 先更换硒鼓组件，看其故障是否消失，若是，则说明是硒鼓组件问题，就更换之。出现整个页面全黑的现象，说明激光器肯定是好的。因此，可先更换一只新的硒鼓 重新打印， 如果故障消除，则足以证明硒鼓组件有问题，这时可检查感光鼓充电极、磁辊偏压电极和感光 鼓消电极是否接触良好，如有哪一点接触不良，应找到并加以修复。

(2) 接着检查充电电极丝与栅网是否短路或接触不良，若是，应更换修复或清洁。我们知道，硒鼓组件因机型不同绝大多数结构都不相同，但其工作原理却是一样的。对 使用电极丝充电的硒鼓，如果电极丝绝缘座有焦糊现象，可用万用表电阻档测量电极丝与栅网之间，看其是否短路，如果短或电阻很小，清洁或更换绝缘座。另外， 电极丝污染或移位也能造成此故障 ，这就要清洁或校正电极丝。

(3) 若上述检查均完好，那么故障就可能是发生在扫描组件内的激光器高频驱动电路或逻辑电路上，就应检查扫描逻辑电路是否损坏，应更换扫描组件。

(4)有时由于一台打印机与多台计算机相联，使信号线经常拔插(我们是反对用一根信号线经常拔插的办法来联多台计算机的，因为这会很容易造成信号线脚 和插口的损坏)，而使信号线损坏或插不牢，致使一些信号无法传递，此时就会造成输出全黑样张的故障，所以在检查是可先检查信号线是否完好并插好，以免其他 不必要的检修。

2、输出全幅纵向黑带(线)

可能故障原因：

(1) 感光鼓刮板受损或刮板上其上利物划伤感光鼓；

(2) 磁辊刮板局部损伤；

(3) 打印机(一般指导纸器通道)被墨粉污染。

一般检修方法：

(1)首先观察输出样张的黑带是否呈模糊状，如果是，则清洁或更换感光鼓刮板。若不是，再检查感光鼓纵向上是否有被刮伤的痕迹，若有，则检查感光鼓刮 板局部是否有损伤，一般来说，输出样张上有纵向黑线，说明感光鼓纵向(圆周方向)有较明显的划伤，这只能更换感光鼓，但也要仔细检查清洁刮板是否有粘有利 物或有损伤，应先清除或更换刮板，以免再刮伤感 光鼓。

(2)如果不是感光鼓上的问题，则可检查磁辊刮板是否有异物或有缺损，使其起不到限制墨粉的作用，墨粉与感光鼓之间没有跳动显像距离，磁辊局部上的墨 粉直接粘附到感光鼓表面，形成黑线。解决的办法是清洁磁辊上的刮板或更换磁辊刮板。

(3)除上述两个原因之外，打印机(一般指导纸器通道)被墨粉污染也会形成黑条故障。当打印机走纸通道内导纸器上有熔化的墨粉聚集，打印纸经过时磨擦 到打印纸上，便会形成黑线。这个原因形成的黑线，一般浓淡有所变化，线边缘比较模糊，不如上述两个原因清晰，而被墨粉污染的通道多数为传送轮，上、下热辊 等部位，因此要将其清除，这可在关闭打印机电源时，趁热清除这些脏物。但若是上、下热辊损坏或老化引起的，虽清洁后会一时解决问题，但马上又会重现故障， 因此应考虑更换上、下热辊。

3、输出横向无规律黑带(线)

可能故障原因：

(1) 感光鼓消电极接触不良；

(2) 感光鼓刮板剪切力过大；

(3) 感光鼓主齿轮转动时发生抖动；

(4) 感光鼓有缺陷或安装不正确。

一般检修方法：

(1)先检查感光鼓消电触点是否接触良好，感光鼓表面光导体曝光后的点阵与导电基导通，电荷经感光鼓导电基经消电刷对地释放。例如惠普4L、4P型感 光鼓的消电刷，就是采用消电刷与导电基圆筒内壁磨擦的消电方式，当用一定的时间后，感光鼓内壁被消电刷磨出两条深沟（双触电），这样会使触点与感光鼓导电 基接触不良。维修的方法是改变触点原来的磨擦轨迹 ，然后涂上导电润滑脂增加导电率即可。

(2)再检查感光鼓刮板是否润滑(是否剪切力过大)。清洁刮板与感光鼓之间有一个剪切角，对感光鼓的剪切力很大。为了使感光鼓与刮板之间有良好的清洁 能力，并且还需有良好的润 滑而不损伤感光鼓，在刮板刃部涂有一层润滑粉。当使用日久润滑粉摩擦消失或清洁时将润滑粉擦掉，则刮板对感光鼓就会形成很大剪切阻力，使感光鼓运转不畅， 产生抖动现象(这一般多发生在再生硒鼓上)，就会使感光鼓动转不畅，出现故障。因此要特别注意，在清洁或更换 感光鼓时不能把刮板上润滑粉去掉。要消除这个故障，只有更换刮板。

(3)打印机中有很多传动齿轮，当打印机使用一定时间后，往往会出现传动齿轮之间无润滑，磨损过度的问题，使齿轮间咬合间隙过大，引起传动不稳产生抖 动现象，这也是造成横向黑线故障的一个重要原因。这时要先调整感光鼓啮合的主传动齿轮等，在齿轮上可适当加些润 滑膏或润滑油，若磨损较厉害，无法调整，则应更换打印机与感光鼓啮合的主传动齿轮，才能消除故障。

(4)出现横向黑线条的还有一个原因是感光鼓有缺陷或安装不正确。当感光鼓有缺陷时，打印页面上出现的横向黑线条或污迹多是具有规律性的，这时可取出 硒鼓仔细检查，若感光鼓确有问题，应更换感光鼓。若感光鼓没有问题，则可能是由于感光鼓安装不正确所造成的，当感光鼓安装不正确时，会导致其与打印纸的接 触不正常，出现打印不均和黑条等现象。这时， 应打开打印机盒盖，取出感光鼓，进行重新正确的安装。

4、输出全张白纸

可能故障原因：

(1) 粉盒内已无墨粉；

(2) 激光器机械快门没打开；

(3) 激光束检测器污染或损坏；

(4) 激光器损坏。

检查部位及检修方法：

(1) 先更换新的粉盒看故障是否消失，在更换粉盒时应检查墨粉密封条是否拉出和墨粉时否已经用完。要注意将密封条拉出。如果密封条没有拉出或墨粉已用完，就会造 成没有墨粉图像，但若是粉盒内墨粉用完的故障现象是输出的样张首先是纵向中间部分逐渐变淡，有碳粉使用显示灯的机子则显示灯会不停地闪烁，提示机内粉盒中 墨粉即将用完。接着逐渐使图文变淡的范围扩大，最后使全张的图像都不明显，而使全张都白的现象非常少见，且在图像变淡后经过较长的时间，因此，全张白故障 基本上可以排除粉盒内无墨粉的原因。

(2) 检查激光器机械快门是否打开。为防止激光泄漏，扫描组件中有一个机械快门。当硒鼓将入打印机后，机械快门被顶开，激光束才能射到扫描镜上，再由扫描镜对感 光鼓进行曝光。如果机械快门杠杆等损坏或硒鼓撞杆损坏，快门就无法打开，感光鼓就无法获得曝光信息，则输出的样张就会是一张白纸。这个问题的一般检修方法 是用502胶或“三秒”瞬间胶修复快门杠杆或硒鼓组件上的撞杆。

(3) 检查激光束检测器是否污染或损坏。激光束检测器在硒鼓组件内，是检测激光束扫描周期开始和终止的装置。当检测器因污染、视角偏移或者损坏而检测不到激光信 息时，就没有信号反馈到DC处理器上，而使扫描驱动电路停止工作，从而输出白纸。检修的方法是清洁激光束检测器透镜或校正激光束检测器视角。如果不能排 除，则应更换激光束检测器。

(4)经过上述检查均没有发现问题而故障依旧，则就检查激光器本身是否损坏，或者是激光驱动电路上出现故障，这就要检查和更换扫描组件或维修驱动电路。

纹理特征提取方法：LBP, 灰度共生矩阵

搬运自本人 CSDN 博客： 《纹理特征提取方法：LBP, 灰度共生矩阵》

注：本文中大量行内 Latex 公式在中不支持，如果想要仔细参阅，请移步上面的 CSDN 博客链接。

在前面的博文 《图像纹理特征总体简述》 中，笔者总结了图像纹理特征及其分类。在这里笔者对其中两种算法介绍并总结。

参考网址：

《纹理特征提取》

《【纹理特征】LBP 》

《灰度共生矩阵（GLCM）理解》

《灰度共生矩阵的理解》

《图像的纹理特征之灰度共生矩阵 》

参考论文：

《基于灰度共生矩阵提取纹理特征图像的研究》——冯建辉

《灰度共生矩阵纹理特征提取的Matlab实现》——焦蓬蓬

LBP方法（Local binary patterns, 局部二值模式）是一种用来描述图像局部纹理特征的算子；它的作用是进行特征提取，提取图像的局部纹理特征。

LBP是一个计算机视觉中用于图像特征分类的一个方法，用于纹理特征提取。后来LBP方法与HOG特征分类器与其他机器学习算法联合使用。

LBP算法的核心思想，是以某个像素点为中心，与其邻域像素点共同计算。关于邻域像素点的选择方法，其实并不唯一：

这里选择环形邻域的方法进行说明：

窗口中心的像素点作为中心，该像素点的像素值作为阈值。然后将周围8个像素点的灰度值与该阈值进行比较，若周围某像素值大于中心像素值，则该像素点位置被标记为1；反之，该像素点标记为0。

如此这样，该窗口的8个点可以产生8位的无符号数，这样就得到了该窗口的LBP值，该值反应了该窗口的纹理信息。如下图所示：

图中，中心像素点的像素值作为阈值，其值v = 3；周围邻域8个像素值中，有3个比阈值小的像素点置0，5个比阈值大的像素点置1。

LBP算法的计算公式如下：

$$ LBP_{P, R}(x_{c},y_{c}) = \sum_{p=0}^{P-1}s(g_{p} - g_{c})2^p, s(x)=\left{\begin{matrix}1 : x \geq 0 \ 0 : x \leq 0 \end{matrix}\right. $$

LBP纹理特征向量，一般以图像分块LBP直方图表示。具体步骤如下：

得到了整幅图像的LBP纹理特征后，便可以利用SVM或者其他机器学习算法进行分类了。

这两天笔者将会对源码进行测试封装，以后会上传到我的GitHub网站上。

灰度共生矩阵法(GLCM, Gray-level co-occurrence matrix)，就是通过计算灰度图像得到它的共生矩阵，然后透过计算该共生矩阵得到矩阵的部分特征值，来分别代表图像的某些纹理特征（纹理的定义仍是难点）。灰度共生矩阵能反映图像灰度关于font color = red 方向、相邻间隔、变化幅度等 /font综合信息，它是分析图像的局部模式和它们排列规则的基础。

对于灰度共生矩阵的理解，需要明确几个概念：方向，偏移量和灰度共生矩阵的阶数。

计算纹理特征第一步，就是将多通道的图像（一般指RGB图像）转换为灰度图像，分别提取出多个通道的灰度图像。

纹理特征是一种结构特征，使用不同通道图像得到的纹理特征都是一样的，所以可以任意选择其一。

一般在一幅图像中的灰度级有256级，从0--255。但在计算灰度共生矩阵时我们并不需要256个灰度级，且计算量实在太大，所以一般分为8个灰度级或16个灰度级。

而且当分成8个灰度级时，如果直接将像素点的灰度值除以32取整，会引起影像清晰度降低，所以进行灰度级压缩时，首先我们会将图片进行直方图均衡化处理，增加灰度值的动态范围，这样就增加了影像的整体对比效果。

注：笔者后文中的例子中，为了简要说明，所以灰度等级简单设置为4。

计算特征值前，先选择计算过程中的一些参数：

下面分部且适当的使用一些例子说明计算过程：

为了达到简单说明计算纹理特征值的目的，笔者此处做简要的假设：灰度被分为4阶，灰度阶从0--3；窗口大小为6 × 6；

窗口A的灰度矩阵A如下：

窗口B的灰度矩阵B如下：

此处以左上角元素为坐标原点，原点记为(1, 1)；以此为基础举例，第四行第二列的点记为(4, 2)；

情景1：d = 1，求0°方向矩阵A的共生矩阵：

则按照0°方向（即水平方向 从左向右，从右向左两个方向 ），统计矩阵值(1, 2)，则如下图所示：

$$

P_{A}(d=1, \theta =0^o)=\begin{vmatrix}

0 8 0 7 \

8 0 8 0 \

0 8 0 7 \

7 0 7 0

\end{vmatrix}

$$

情景2：d = 1，求45°方向矩阵A的共生矩阵：

按照情景1，同理可得此时的统计矩阵结果如下：

$$

P_{A}(d=1, \theta =45^o)=\begin{vmatrix}

12 0 0 0 \

0 14 0 0 \

0 0 12 0 \

0 0 0 12

\end{vmatrix}

$$

情景3：d = 1，求0°与45°方向矩阵B的共生矩阵：

与前面同理，可以得到矩阵B的统计及矩阵结果如下：

$$

P_{B}(d=1, \theta =0^o)=\begin{vmatrix}

24 4 0 0 \

4 8 0 0 \

0 0 12 2 \

0 0 2 4

\end{vmatrix}

$$

$$

P_{B}(d=1, \theta =45^o)=\begin{vmatrix}

18 3 3 0 \

3 6 1 1 \

3 1 6 1 \

0 1 1 2

\end{vmatrix}

$$

矩阵A, B的其余90°、135°矩阵与上面同理，所以笔者偷懒略去。

这样，我们就已经计算得到了单个窗口的灰度共生矩阵的各个方向的矩阵，下面就要用刚才算出的矩阵计算灰度共生矩阵特征值。

用P表示灰度共生矩阵的归一化频率矩阵，其中i, j表示按照某方向同时出现于两个像素的某两个级别的灰度值，所以P(i, j)表示满足这种情况的两个像素出现的概率。

以上述情景2中的矩阵为例：

原矩阵为：

$$

P(d=1, \theta =45^o)=\begin{vmatrix}

12 0 0 0 \

0 14 0 0 \

0 0 12 0 \

0 0 0 12

\end{vmatrix}

$$

归一化后，矩阵形式变为：

$$

P(d=1, \theta =45^o)=\begin{vmatrix}

12/50 0 0 0 \

0 14/50 0 0 \

0 0 12/50 0 \

0 0 0 12/50

\end{vmatrix}

$$

灰度共生矩阵理论的前辈Haralick等人用灰度共生矩阵提出了14中特征值，但由于灰度共生矩阵的计算量很大，所以为了简便，我们一般采用四个最常用的特征来提取图像的纹理特征：font color=red 能量、对比度、相关度、熵 /font。

$ ASM = \sum_{i} \sum_{j}P(i, j)^2 $

能量是灰度共生矩阵各元素的平方和，又被称角二阶距。它是图像纹理灰度变化均一的度量，反映了图像灰度分布均匀程度和纹理粗细程度。

$ CON = \sum_{i} \sum_{j} (i-j)^2 P(i,j) $

对比度是灰度共生矩阵主对角线附近的惯性矩，它体现矩阵的值如何分布，反映了图像的清晰度和纹理沟纹的深浅。

$ CORRLN = [\sum_{i} \sum_{j}((ij)P(i,j)) - \mu_{x} \mu_{y}]/ \sigma_{x} \sigma_{y} $

相关度体现了空间灰度共生矩阵元素在行或列方向上的相似程度，反映了图像局部灰度相关性。

$ ENT = - \sum_{i} \sum_{j} P(i,j) \log P(i,j) $

熵体现了图像纹理的随机性。若共生矩阵中所有值都相等，取得最大值；若共生矩阵中的值不均匀，则其值会变得很小。

求出该灰度共生矩阵各个方向的特征值后，再对这些特征值进行均值和方差的计算，这样处理就消除了方向分量对纹理特征的影响。

一个滑动窗口计算结束后，该窗口就可以移动一个像素点，形成另一个小窗口图像，重复进行上一步的计算，生成新窗口图像的共生矩阵和纹理特征值；

以此类推，滑动窗口遍历完所有的图像像素点后，整个图像就形成了一个由纹理特征值构成的一个纹理特征值矩阵。

之后，就可以将这个纹理特征值矩阵转换成纹理特征图像。

笔者已经对源码进行测试了封装，并上传到了笔者的GitHub网站上。

GitHub：

关于lbp特征匹配代码和lbp特征提取图解的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。