LBP特徵（Local Binary Pattern，局部二值模式特徵）是一種用於描述圖像局部紋理特徵的運算元。這種運算元最初由T. Ojala、M. Pietikäinen和D. Harwood在1994年提出，主要套用於紋理描述。LBP特徵的計算簡單、效果良好，且數據量小，因此在計算機視覺的多個領域得到了廣泛的套用，如人臉識別、目標檢測和表情識別等。
原始的LBP運算元定義在一個3×3的像素鄰域內，以鄰域中心的像素值為閾值，比較相鄰8個像素的灰度值。如果周圍像素的灰度值大於中心像素值，則該像素點的位置被標記為1，否則為0。這樣，3×3鄰域內的8個點經過比較可以產生一個8位的二進制數，這個二進制數就是中心像素的LBP值。LBP值共有2^8種可能，因此LBP值有256種。這個LBP值反映了該像素周圍區域的紋理信息。
LBP特徵的優點包括灰度不變性和旋轉不變性，這使得它對光照變化不敏感。隨著時間的推移，研究人員對LBP運算元進行了多種改進和最佳化。例如，通過將3×3的鄰域擴展到任意鄰域，並用圓形鄰域代替正方形鄰域，改進後的LBP運算元能夠適應不同尺度的紋理特徵，同時保持了灰度和旋轉不變性。
此外，為了實現旋轉不變性，可以通過不斷旋轉圓形鄰域得到一系列初始定義的LBP值，並取其最小值作為該鄰域的LBP值。這樣的LBP運算元能夠提供更穩定的紋理特徵描述，尤其是在圖像旋轉的情況下。
總的來說，LBP特徵是一種高效且強大的圖像局部紋理特徵提取方法，已經在多個領域取得了成功套用。