利用上週的sobel算子進行了圖像紋理信息的提取，但是發現效果不是很好，因此這周在LFW上，查找了一些新方法來專門進行人臉的紋理信息的提取。
LFW:最具公信力的人臉檢測資料庫之一；圖片來自：http://vis-www.cs.umass.edu/lfw/results.html
1.利用LPB進行紋理的提取：
參考論文：
An HOG-LBP human detector with partial occlusion handling
LBP:指局部二值模式（Local Binary Patterns）。是一種非常有效的紋理描述算子，度量和提取圖像局部的紋理信息，對光照具有不變性。LBP自1994年被提出之後，至今已經發展許多變形，核心算法就是：計算每個像素和周圍像素間“相對”的關係。
基本的LBP算子的計算
1.對圖像中的所有點，以改點爲中心，取3*3的鄰域窗口；
2.將8鄰域像素值與中心點像素值進行比較，大於或者等於中心像素的標記爲1 ，否則標記爲0；
3.將周圍0，1序列，以一定的順序排列，成一個8位的無故號的二進制數，轉化成整數；
4.這個整數就是表徵這個窗口的LBP值。
但是這樣的LBP有缺點：產生的二進制的種類很多（）3*3的鄰域有256種）；不具有旋轉不變性。
之後又提出了新的方法：
LBP等價模式：
Ojala提出了一種“等價模式”來對LBP進行降維。某個局部二進制模式所對應的循環二進制數從0->1或1->0，最多有兩次跳變，該局部二進制模式所對應的二進制就成爲一個等價模式。判斷一個二進制模式是否爲等價模式的最簡單方法就是將LBP值與其循環移動一位後的值進行按位相與，計算得到的二進制數中1 的個數，若個數小於或者等於2 ，則是等價模式；否則不是。通過這種方法，模式種類減少成爲了n*(n-1)+2種。大大降低了維度。
旋轉不變的LBP算子
由於LBP的二進制模式是以一定方向、順序進行編碼的，所以當圖像發生旋轉時，按這種編碼的話，LBP值會發生改變，因此是不具有旋轉不變性的。
解決辦法：不斷旋轉鄰域得到一系列的LBP值，取其中最小值作爲該鄰域的LBP值。旋轉的過程也是對二進制模式循環移位的過程。