LBPH 算法详解：人脸识别中的特征提取利器

LBPH 算法 (Local Binary Patterns Histograms) 是一种用于图像分类和人脸识别的特征提取算法，其原理如下：

1. 首先将图像分成若干个小块，并在每个小块中选取一个像素点作为中心点。

2. 对于每个中心点，将其与周围的 8 个像素点进行比较，如果周围的像素点的灰度值大于等于中心点的灰度值，则将该像素点标记为 1，否则标记为 0。

3. 将这 8 个比较结果组成一个二进制数，得到一个 8 位的二进制数（也就是一个 LBPH 码），将其转化为十进制数作为该中心点的特征值。

4. 对于每个小块中的所有中心点，都得到一个 LBPH 码，并将这些码按照出现次数进行统计，得到一个直方图（即 LBPH 特征向量）。

5. 将所有小块中的 LBPH 特征向量进行拼接，得到整幅图像的 LBPH 特征向量。

6. 最后可以使用分类算法（如 SVM）对 LBPH 特征向量进行分类或者比对，实现图像分类和人脸识别等任务。

LBPH 算法的优点是简单易实现，且不受光照变化的影响，适用于一些实时性要求较高的场景。