简介
OpenCV是一个基于BSD许可开源发行的跨平台计算机视觉库。拥有C++，Python和Java接口，并且支持Windows, Linux, Mac OS, iOS 和 Android系统。实现了图像处理和计算机视觉方面的很多通用算法。
| 模块 | 功能 |
|---|---|
| Core | 核心基础模块，定义了被所有其他模块和基本数据结构(包括重要的多维数组Mat)使用的基本函数、底层数据结构和算法函数 |
| Imgproc | 图像处理模块，包括：滤波、高斯模糊、形态学处理、几何变换、颜色空间转换及直方图计算等 |
| Highgui | 高层用户交互模块，包括：GUI、图像与视频I\O等 |
| Video | 视频分析,，运动分析及目标跟踪。 |
| Calib3d | 3D模块，包括：摄像机标定、立体匹配、3D重建等 |
| Features2d | 二维特征检测与描述模块，包括：图像特征检测、描述、匹配等 |
| Objdetect | 目标检测模块，如：人脸检测等 |
| MI | 机器学习模块，包括：支持向量机、神经网络等 |
| Flann | 最近邻开源库。包含一系列查找算法，自动选取最快算法的机制。 |
| Imgcodecs | 图像编解码模块，图像文件的读写操作 |
| Photo | 图像计算(处理)模块，图像修复及去噪。 |
| Shape | 形状匹配算法模块。描述形状、比较形状 |
| Stitching | 图像拼接 |
| Superres | 超分辨率模块 |
| Videoio | 视频读写模块，视频文件包括摄像头的输入。 |
| Videostab | 解决拍摄的视频稳定 |
| Dnn | 深度神经网络 |
| contrib | 可以引入额外模块 |
LBP
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,具有多分辨率、灰度尺度不变、旋转不变等特性。主要用于特征提取中的纹理提取。
LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理特征。
基本LBP
原始的LBP算子定义为在3*3的窗口内，处理83这个像素点的lbp值：
将83与包围83的8个位置进行比较。如果大于83则取值为1，否则为0,然后将这些数据顺时针组合在一起，这样的到一个01111100,即：0x7C(124)。这就是83位置的lbp值。顺序并无硬性要求，只要在同一处理中保持相同的顺序即可。提取的LBP算子在每个像素点都可以得到一个LBP值，对一幅图像提取其原始的LBP算子之后，得到的原始LBP特征依然是“一幅图片”（记录的是每个像素点的LBP值）这种图片称之为lbp图谱。
/**
* 原始lbp：应该是3x3的src（先不管3x3）
* src: 原图
* dst: 计算出的lbp图谱
*
*/
void processLBP(Mat src, Mat &dst){
// 循环处理图像数据
for(int i=1; i < src.rows-1;i++) {
for(int j=1;j < src.cols-1;j++) {
uchar lbp = 0;
uchar center = src.at<uchar>(i,j);
//取出对应 高、宽位置的像素 与 中心点位置进行比较
if(src.at<uchar>(i-1,j-1)>center) { lbp += 1 << 7;}
if(src.at<uchar>(i-1,j )>center) { lbp += 1 << 6;}
if(src.at<uchar>(i-1,j+1)>center) { lbp += 1 << 5;}
if(src.at<uchar>(i ,j+1)>center) { lbp += 1 << 4;}
if(src.at<uchar>(i+1,j+1)>center) { lbp += 1 << 3;}
if(src.at<uchar>(i+1,j )>center) { lbp += 1 << 2;}
if(src.at<uchar>(i+1,j-1)>center) { lbp += 1 << 1;}
if(src.at<uchar>(i ,j-1)>center) { lbp += 1 << 0;}
dst.at<uchar>(i-1,j-1) = lbp;
}
}
}
//读取一张图片
Mat img = imread("/path/x.png");
cvtColor(img, img, COLOR_BGR2GRAY);
//计算lbp图谱
Mat lbp = Mat(img.rows-2, img.cols-2,CV_8UC1);
processLBP(img,lbp);
从lBP定义可以看出LBP是灰度不变的，简单来说就是对图像的灰度值根据一个系数X进行修改，得出的LBP值不变。
圆形LBP
基本的 LBP算子的最大缺陷在于它只覆盖了一个固定3x3范围内的小区域，为了满足不同尺寸的需要，并达到灰度和旋转不变性的要求，对 LBP 算子进行了改进，将 3×3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域。以某个像素点为中心，以一个任意大小半径R画一个圆，将落在圆内的P个像素与中心点像素比较得到LBP算子。
旋转不变LBP
LBP 算子是灰度不变的，但却不是旋转不变的，图像的旋转就会得到不同的 LBP值。
为了解决这个问题，将 LBP算子进行了扩展具有旋转不变性。LBP的旋转不变模式，即不断旋转圆形邻域得到一系列初始定义的 LBP值，取其最小值作为该邻域的 LBP 值。
首先获得LBP值为: 11100001 (255),进过旋转分别得到8中不同的LBP值，最终得到的具有旋转不变性的 LBP值为 15。
等价LBP
对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生2^P(0和1的排列组合)种模式。随着邻域集内采样点数的增加，二进制模式的种类是以指数形式增加的。这么多的二进制模式导致在人脸检测时候LBP模式统计直方图过于稀疏(见下面检测原理部分)。因此需要对原始的LBP模式进行降维，也就是减少数据量。
等价模式(均匀模式)就是解决这个问题的。在实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，等价模式定义为：当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类，除等价模式类以外的模式都归为另一类，称为混合模式类。
00000000（0次跳变），00000111（1次从0到1的跳变），10001111（1到0，0到1，两次跳变）是等价模式类。
10010111（共四次跳变）是混合模式类。
通过这样的改进，二进制模式数量由原来的2^P种减少为 P* ( P-1)+2种。
比如：3x3的8采样本来有256种，现在变成58(等价模式)+1种(混合模式)。即本来lbp值为0-255，也就是256种结果，转化为了59种。混合模式编码为0，等价模式根据值大小编码为1—58。
00000000 : 1
00000001 : 2
00000010 : 3
00000101 : 0 (跳变3次)
检测原理
将一幅图片划分为若干的子区域，对每个子区域内的每个像素点都提取LBP特征，然后，在每个子区域内建立LBPH（LBP特征的统计直方图）。 每个子区域就可以用一个统计直方图来进行描述；整个图片就由若干个统计直方图组成 之后，将图片和人脸的直方图进行相似性比较。
直方图:
把图片的亮度分为0到255共256个数值，数值越大，代表的亮度越高。其中0代表纯黑色的最暗区域，255表示最亮的纯白色，而中间的数字就是不同亮度的灰色。用横轴代表0-255的亮度数值。竖轴代表照片中对应亮度的像素数量，这个函数图像就被称为直方图。
简单来说，图像的直方图是用来表现图像中亮度分布的情况,给出的是图像中某个亮度或者某个范围亮度下共有几个像素
直方图.jpg
参考：
https://www.cnblogs.com/nsnow/p/4461998.html
https://www.cnblogs.com/lxy2017/p/3927280.html
