###### tags: `SBD`
# Shot based keyframe extraction using edge-LBP approach

- SBD 是初步的CBVR(基於內容的圖像檢索)

### LBP(Local Binary Pattern)
[網站](http://mermerism.blogspot.com/2014/04/wiki-httpblog.html)
- 優點: 計算速度快
- 缺點：在在平滑影像的圖片上不準確(ex. 海洋)

#### 概念
1. 將檢測窗口切分為區塊
2. 區塊中的每個像素，與它的八個鄰域像素進行比較
3. 如果中心像素大於某個鄰域的，設置為0, 反之設為1(獲得了一個8位的二進位數（通常情況下會轉換為十進位數字），作為該位置的特徵)
4. 對每一個區塊計算直方圖(LBP)
5. 將直方圖歸一化
6. 串聯所有區塊的直方圖，這就得到了當前檢測窗口的特徵向量

# 原始LBP

#### 例子
- 用3X3大小的區塊說明LBP histogram的計算方式
- 
- 第一步我們要先將周圍的灰階與中心點相減之後做二值化(Threholding)
- 像這樣：
55-43=＋12>0 則二值化後，其值=1
35-43=－08<0 則二值化後，其值=0
28-43=－15<0 則二值化後，其值=0
52-43=＋09>0 則二值化後，其值=1

- 結果 : 

- 接下來，我們要依照2的次方排列相關位置的權重。由左到右，由上到下分別是 2的0次方=1、2的1次方=2、2的2次方=4、2的3次方=8，以此類推。因此會形成下面的權重方塊(這裡的權重可以自己設定)
- 
- 將權重方塊和我們在第一步得到的結果相乘以後再相加，像這樣：
1X1+0X2+1X4+1X8+0X16+0X32+1X64+1X128=205
就是這3X3區塊的LBP值
- 對整張圖片做迭代(iterative)就可以統計出這張圖片的LBP histogram。
也就是一張圖有三個區塊，算出的LBP值分別是205 20 205，
那LBP histogram就是一個256大小的陣列lbpArray。

其中205的位置lbpArray[20]=1、lbpArray[205]=2，其他部分都是0的稀疏矩陣。

以上方法是計算整張圖片的LBP直方圖(Uniform LBP )

# 延伸
## Mean LBP
## Improved LBP
## Mid-range LBP
## Dominant LBP
## Pymarid LBP
## Sobel BELEP
## Roberts
## Canny

#### 讀到EDGE 那邊就好

# 補充
## Keyframe
比較像是Summary
- 在可能兩分鐘的影片(多張圖片裡), 拿出幾張最能代表這段影片的圖

## edge 和 line的差別
- line 兩邊都不同色
- edge 一邊一樣顏色一邊不一樣