1.（四十三）特征点检测-LBP
2.Svelte 原理浅析与评测

（四十三）特征点检测-LBP

       时间为友，源码记录点滴。源码

       特征点检测领域并非只有一种算法，源码大神们总能带来新颖的源码想法。虽然不可能掌握所有算法，源码但有些思路是源码oa 安卓源码值得借鉴的。

       比如SIFT就是源码一个宝库，总能给我们带来启发。源码

       既然已经了解了Harris、源码SIFT、源码FAST等特征检测算法，源码以及特征点的源码定义和评判标准，那么我们就来探讨LBP如何在特征检测领域脱颖而出。源码

       思考一下特征点的源码优良性质：

       什么是LBP？

       LBP（Local Binary Pattern，局部二值模式）是源码一种描述图像局部纹理特征的算子，它具有旋转不变性和灰度不变性等显著优点。由T. Ojala、M. Pietikäinen和D. Harwood在年提出，51 烧写 源码用于纹理特征提取。它提取的是图像的局部纹理特征；

       它是如何实现的？

       首先谈谈原始LBP算子：

       通过比较3*3邻域内的8个点，可以得到8位二进制数（通常转换为十进制数即LBP码，共种，即2 Byte），即得到该窗口中心像素点的LBP值，并用这个值来反映该区域的纹理信息。

       虽然简单，但略显简陋（是不是与FAST算子有些类似）。这个LBP算子显然不能表示优良特征点，还好它出现的早（），所以后人对LBP做了很多优化，使其满足尺度不变、旋转不变、光照不变。

       尺度不变：

       无论是SIFT还是ORB，要做到尺度不变，回调到线源码我们通常采用金字塔扩展到多尺度空间，但LBP有它独特的方法。

       在原始的LBP中，我们选择的是以目标点为中心，3x3的8邻域，经历过FAST的我们很容易想到半径的概念。那么3x3代表的就是以目标点为圆心，半径为1的邻域，如果我们把半径扩展一下会怎么样呢？

       Ojala等人对LBP算子进行了改进，将3×3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，改进后的LBP算子允许在半径为R的圆形邻域内有任意多个像素点。从而得到了诸如半径为R的圆形区域内含有P个采样点的LBP算子；

       这种情况下，对应黑点像素可能不是整数，要得到该点准确的像素值，必须对该点进行插值计算才能得到该点像素值，常见的lua源码微信插值方式为双线性插值或者立方插值。

       这种思路有点像“山不转，水转；水不转，人转”；

       旋转不变性：

       Maenpaa等人又将LBP算子进行了扩展，提出了具有旋转不变性的LBP算子，即不断旋转圆形邻域得到一系列初始定义的LBP值，取其最小值作为该邻域的LBP值。

       举一个具体的例子：下图所示的8种LBP模式，经过旋转不变的处理，最终得到的具有旋转不变性的LBP值为。也就是说，图中的8种LBP模式对应的旋转不变的LBP模式都是。

       光照不变：

       从LBP的差值计算可以看出，LBP本身就具有光照不变的特性（灰度值按比例缩放，强者恒强），但是我们可以引入权重概念，计算LBP码和对比度。

       好了，脚本源码检测LBP就这么多。是不是感觉SIFT/ORB后什么都简单了些？

       在网上搜了个Python实现的LBP，实验了下，贴在这里：

       Python

       惯例，OpenCV早就给我们提供了LBP的算子，而且可以结合FaceDetect来用，

       C++

       1、lbpcascade_frontalface_improved文件我使用的是我们自己编译出来的，在Binfile\install\etc\lbpcascades目录下（你可以用everything搜索一下，OpenCV源码中也有提供） 2、今天我们首次使用了CascadeClassifier，这个我觉得有必要在后面详细解释一下。用OpenCV做人脸检测简直简单得不要不要的。

Svelte 原理浅析与评测

       Svelte，这款与众不同的前端框架，以其独特的理念和卓越性能脱颖而出。不同于React和Vue的运行时执行方式，Svelte在构建阶段便直接将组件转换为JavaScript，省去了运行时解释环节，显著提升了性能。在代码量上，一个简单的输入框示例中，Svelte所需的代码量就明显少于React和Vue，展示了其简洁高效的编码风格。

       Svelte的独特之处在于它摒弃了虚拟DOM的概念，转而通过直接操作真实DOM来实现快速响应。这种设计策略使得Svelte能够提供近乎即时的页面加载和运行速度。其性能优化的核心在于，只有当数据发生变化时，才更新相应部分的DOM，从而避免了不必要的全面重绘。

       尽管没有虚拟DOM，但Svelte的性能并未受到影响，反而在代码可维护性上更胜一筹。它的编译器在解析.svelte文件时，会将数据与DOM进行实时映射，并在数据变动时直接更新DOM。这种编译时的处理方式使得Svelte能够以最小的体积实现高效的性能。

       当与React和Vue进行对比时，Svelte的组件编译后可能体积略大，但随着组件数量的增加，其体积优势逐渐减小。特别是在组件数量超过一定阈值后，Svelte与Vue3的体积差距会趋于平缓。尽管Svelte在开源初期的关注度较低，但自年以来，用户对其满意度和兴趣度持续上升，显示出其不可忽视的潜力。

       Svelte的架构由compiler（编译器）和runtime（运行时）两部分构成，编译器负责将Svelte模板转化为浏览器能理解的JavaScript。解析阶段，Svelte会深入处理HTML标签、mustache模板和逻辑渲染，确保实现真正的响应式编程。通过编译过程，它将.svelte文件转化为包含HTML、CSS、instance和module的抽象语法树（AST），其中instance包含了响应式属性和方法，而module则存放非响应的变量和方法。

       在Svelte的更新流程中，关键的flush函数会遍历脏组件列表，调用update方法更新DOM，同时利用高效的脏标记机制，通过位运算存储多个属性状态，以节省内存。官方推荐的SSR框架SvelteKit，不仅支持SSR和TS，还提供了预处理器和serverless特性。虽然早期的Sapper框架在SSR上有所贡献，但SvelteKit作为其后续升级版，表现更佳。

       尽管Svelte的生态系统尚不完善，但它在跨平台支持和复杂组件方面仍有待挖掘。社区已经开发了如svelte-material-ui这样的组件库，以及svelte-testing-library这样的测试工具。虽然Svelte暂时不支持小程序，但通过Electron可以开发桌面应用。对于开发环境，VSCode提供了强大的支持，如Svelte for VS Code插件，支持语法高亮和代码跳转，同时也兼容LESS、SCSS和PostCSS等预处理器。

       总的来说，Svelte以其简洁的语法和按需引入运行时的特点，尤其适合Web组件的开发，且上手成本较低。尽管生态还不够成熟，但其对性能的执着追求和持续优化的承诺，让人对其未来充满期待。想要了解更多，可以参考以下链接进行深入研究：

       性能对比分析

       组件大小分析

       Rich Harris的贡献

       Svelte官方资源：GitHub仓库

       《年前端技术趋势》：详细报告

       深入阅读Svelte源码，如：runtime internal DOM模块和store模块，可以更深入理解其工作原理。

       最后，探索Svelte的其他扩展工具，如路由管理：svelte-routing和svelte-spa-router，以及SvelteKit和Sapper等。