Figure 2. Examples of two images (a

Figure 2. Examples of two images (a live face and a face print) in
the original space and the corresponding LBP images using basic
LBP as a feature space.
neighborhood. It is a powerful means of texture description
and among its properties in real-world applications are
its discriminative power, computational simplicity and tolerance
against monotonic gray-scale changes.
The original LBP operator forms labels for the image
pixels by thresholding the 3×3 neighborhood of each pixel
with the center value and considering the result as a binary
number. Fig. 3 shows an example of an LBP calculation.
The histogram of these 2
8 = 256 different labels can then
be used as a texture descriptor.
Figure 3. The basic LBP operator.
The operator has been extended to use neighborhoods of
different sizes. Using a circular neighborhood and bilinearly
interpolating values at non-integer pixel coordinates
allow any radius and number of pixels in the neighborhood.
The notation (P, R) is generally used for pixel neighborhoods
to refer to P sampling points on a circle of radius R.
The calculation of the LBP codes can be easily done in a
single scan through the image. The value of the LBP code
of a pixel (xc, yc) is given by:
LBPP,R =
P
X−1
p=0
s(gp − gc)2p
, (1)
where gc corresponds to the gray value of the center pixel
(xc, yc), gp refers to gray values of P equally spaced pixels
on a circle of radius R, and s defines a thresholding function
as follows:
s(x) = 
1, if x ≥ 0;
0, otherwise. (2)
Another extension to the original operator is the definition
of so called uniform patterns. This extension was inspired
by the fact that some binary patterns occur more commonly
in texture images than others. A local binary pattern is
called uniform if the binary pattern contains at most two
bitwise transitions from 0 to 1 or vice versa when the bit

Kết quả (Việt) 1:

Hình 2. Ví dụ về hai ảnh (một khuôn mặt sống và một khuôn mặt in) trongkhông gian ban đầu và LBP tương ứng hình ảnh bằng cách sử dụng cơ bảnLBP là một tính năng không gian.khu dân cư. Nó là một phương tiện mạnh mẽ của kết cấu mô tảvà trong số các thuộc tính của nó trong thế giới thực ứng dụngdiscriminative điện, tính toán đơn giản và khoan dungĐối với monotonic màu xám quy mô thay đổi.Các nhà điều hành LBP gốc tạo nhãn cho hình ảnhCác điểm ảnh bởi thresholding 3 × 3 khu phố của mỗi pixelvới giá trị Trung tâm và xem xét các kết quả như là một nhị phânsố. Hình 3 cho thấy một ví dụ về một tính toán LBP.Biểu đồ 28 = 256 nhãn khác nhau có thể sau đóđược sử dụng như là một mô tả của kết cấu.Hình 3. Các nhà điều hành LBP cơ bản.Các nhà điều hành đã được mở rộng để sử dụng khu dân cưKích cỡ khác nhau. Bằng cách sử dụng một khu phố tròn và bilinearlyinterpolating giá trị tại tọa độ điểm ảnh nguyêncho phép bất kỳ bán kính và số lượng điểm ảnh trong vùng lân cận.Các ký hiệu (P, R) thường được sử dụng cho khu dân cư pixelđể đề cập đến điểm P mẫu trên một vòng tròn bán kính R.Tính toán của LBP mã có thể được thực hiện dễ dàng trong mộtduy nhất quét qua các hình ảnh. Giá trị của mã LBPcủa một điểm ảnh (xc, yc) được cho bởi:LBPP, R =PX−1p = 0s(GP − GC) 2 p, (1)nơi gc tương ứng với giá trị màu xám của điểm ảnh Trung tâm(xc, yc), bác sĩ gia đình đề cập đến các giá trị màu xám điểm ảnh P bình đẳng với nhautrên một vòng tròn bán kính R và s xác định một chức năng thresholdingnhư sau:s(x) =1, nếu x ≥ 0;0, nếu không. (2)Phần mở rộng khác cho các nhà điều hành ban đầu là định nghĩanhư vậy gọi là mô hình thống nhất. Phần mở rộng này đã được cảm hứngbởi thực tế rằng một số mô hình nhị phân xảy ra phổ biến hơntrong hình ảnh họa tiết hơn những người khác. Mô hình nhị phân địa phươngđược gọi là đồng nhất nếu các mô hình nhị phân có chứa tối đa 2bitwise quá trình chuyển đổi từ 0 đến 1 hoặc ngược khi bit

Kết quả (Việt) 2:

Hình 2. Ví dụ về hai hình ảnh (một mặt trực tiếp và in một mặt) trong
không gian ban đầu và những hình ảnh LBP tương ứng sử dụng cơ bản
LBP như một không gian đặc trưng.
Khu phố. Nó là một phương tiện mạnh mẽ của mô tả kết cấu
và các thuộc tính của nó trong các ứng dụng thực tế là
điện phân biệt, đơn giản và khoan dung tính toán của mình
chống lại những thay đổi xám đơn điệu.
Các nhà điều hành LBP gốc tạo nhãn cho hình ảnh
pixel bởi ngưỡng khu phố 3 × 3 của mỗi điểm ảnh
với giá trị trung tâm và xem xét các kết quả như là một nhị phân
số. Sung. 3 cho thấy một ví dụ về tính LBP.
Các biểu đồ của 2
8 = 256 nhãn khác nhau sau đó có thể
được sử dụng như một mô tả kết cấu.
Hình 3. Người khai thác LBP cơ bản.
Các nhà điều hành đã được mở rộng để sử dụng các khu phố của
các kích cỡ khác nhau. Sử dụng một khu phố tròn và bilinearly
nội suy giá trị tại không nguyên điểm ảnh phối
cho phép bất kỳ bán kính và số lượng điểm ảnh trong khu phố.
Các ký hiệu (P, R) thường được sử dụng cho các khu phố điểm ảnh
để tham khảo các điểm lấy mẫu P trên một vòng tròn bán kính R .
việc tính toán của các mã LBP có thể dễ dàng thực hiện trong một
lần quét qua hình ảnh. Các giá trị của mã LBP
của một điểm ảnh (xc, yc) được cho bởi:
LBPP, R =
P
X-1
p = 0
s (gp - gc) 2p
, (1)
nơi gc tương ứng với giá trị màu xám của trung tâm điểm ảnh
(xc, yc), gp đề cập đến xám giá trị của P pixels cách đều nhau
trên một vòng tròn bán kính R, và s định nghĩa một hàm ngưỡng
như sau:
? s (x) =
1, nếu x ≥ 0;
0, nếu không. (2)
Một phần mở rộng cho các nhà điều hành ban đầu là định nghĩa
của cái gọi là mô hình thống nhất. Phần mở rộng này được lấy cảm hứng
bởi thực tế là một số mô hình nhị phân thường xảy ra
trong các hình ảnh kết cấu hơn những người khác. Một mô hình nhị phân địa phương được
gọi là đồng nhất nếu mô hình nhị phân có chứa ít nhất hai
chuyển bitwise 0-1 hoặc ngược lại khi bit