摘要
特征描述子是圖像處理中提取圖像本質信息的關鍵工具。本文將深入講解局部二值模式（LBP）與方向梯度直方圖（HOG）兩種經典特征描述子的原理、實現方法及應用場景。結合OpenCV代碼示例，展示如何利用LBP提取紋理特征、使用HOG進行目標檢測，幫助讀者掌握從圖像中提取有效特征的核心技術。
一、特征描述子：圖像的“數字指紋”
在圖像處理任務中，直接處理原始像素數據效率低且易受干擾。特征描述子通過算法提取圖像中最具代表性的信息，如紋理、邊緣、形狀等，用于后續的圖像分類、目標檢測、圖像檢索等任務。
- 核心作用：降維數據、增強魯棒性、提升算法效率
- 典型應用：人臉識別、行人檢測、紋理分類
二、局部二值模式（LBP）：紋理特征提取的利器
1. LBP原理
LBP以中心像素為基準，將其周圍鄰域像素的灰度值與中心像素比較，生成二進制編碼，
