Local Binary Pattern（LBP，局部二值模式）是一種非常流行的圖像處理算法，也是Python中常用的實現之一。LBP算法的思想是以每個像素點為中心，在其周圍相對應的像素點中心計算灰度值與該像素點的關系，進而構成一個二進制數。而這個二進制數則可以反映出該像素點與周圍像素點的灰度值差異。

import cv2
import numpy as np
def calculate_lbp_image(src, radius=1, n_points=8):
height, width = src.shape
dst = np.zeros((height-2*radius, width-2*radius), dtype=np.uint8)
for i in range(radius, height-radius):
for j in range(radius, width-radius):
center = src[i,j]
val = 0
for n in range(n_points):
x = i + int(round(radius * np.cos(2 * np.pi * n / n_points)))
y = j - int(round(radius * np.sin(2 * np.pi * n / n_points)))
val |= (src[x, y] >= center)<< (n_points-n-1)
dst[i-radius, j-radius] = val
return dst
if __name__ == '__main__':
image = cv2.imread('path/to/image.png', cv2.IMREAD_GRAYSCALE)
lbp_image = calculate_lbp_image(image)

以上代碼是一個使用Python實現LBP算法的示例。定義了一個calculate_lbp_image函數，將依據傳入的原始圖像計算得出LBP圖像。其中radius和n_points分別表示LBP算法中的半徑和采集點數。實例化OpenCV庫的cv2.imread函數來讀取圖像，并使用IMREAD_GRAYSCALE模式使其轉換為灰度圖像。最后的lbp_image變量將保存LBP圖像的數據。