【图像处理入门】7. 特征描述子：从LBP到HOG的特征提取之道

摘要

特征描述子是图像处理中提取图像本质信息的关键工具。本文将深入讲解局部二值模式（LBP）与方向梯度直方图（HOG）两种经典特征描述子的原理、实现方法及应用场景。结合OpenCV代码示例，展示如何利用LBP提取纹理特征、使用HOG进行目标检测，帮助读者掌握从图像中提取有效特征的核心技术。

一、特征描述子：图像的“数字指纹”

在图像处理任务中，直接处理原始像素数据效率低且易受干扰。特征描述子通过算法提取图像中最具代表性的信息，如纹理、边缘、形状等，用于后续的图像分类、目标检测、图像检索等任务。

• 核心作用：降维数据、增强鲁棒性、提升算法效率
• 典型应用：人脸识别、行人检测、纹理分类

二、局部二值模式（LBP）：纹理特征提取的利器

1. LBP原理

LBP以中心像素为基准，将其周围邻域像素的灰度值与中心像素比较，生成二进制编码，