LBP算子可以取多个周围像素点和采样半径。

但是这样的LBP描述特征能力有限，且不具备旋转不变性。很容易想象，如果图片进行了旋转，则LBP值也会随之改变。因此有了下面的改进。

将LBP周围的二进制码（如11110001）按位旋转，取二进制码最小的值。对于11110001情况，我们按位旋转，得到11100011,11000111,10001111,0001111,00111110,01111100,11111000七个不同的二进制数，最小值为00011111，则取该种模式（pattern）为最终LBP。这又称为LBPROT，或写为LBPp,r ri。

对于采样半径为1，周围像素点数为8的情况，LBPROT算子（即具有旋转不变性的LBP模式）总共有36个。

但是对于LBPROT来说，其实验结果并不好。不能提供很好的分辨率。

在以上的基础上，又有了Uniform LBP的出现。

所谓Uniform LBP,指在LBP二进制数中，0到1和1到0的跳变总数不超过两次。如00000000和11111111，并没有0,1跳变，U=0。对于11110000和00001111，则有一次跳变，U=1。对于Uniform LBP来说，具备旋转不变性的pattern只有9个，如图3LBPROT中第一排标号为0-8的pattern。因此，最终结果为统计Uniform LBP pattern的直方图，把所谓的nonUniform放入直方图的另一个bin中，得到最终的特征向量。

Uniform LBP在局部纹理描述上取得了较好的描述效果，原因在于，Uniform LBP 的各种模式占据了图像中所有模式的绝大部分。不同采样半径和周围像素点个数会不同，但Uniform LBP占据了所有模式的50%~95%。

LBP还有很多变种，如CLBP，LBPHF等等。有兴趣的读者可以阅读相关文献^[1-2]  。

LBP已经成功应用于人脸检测，唇语识别，表情检测，动态纹理等等领域。其算法复杂度低，消耗内存小，原理简单，但并不一定适合所有的特征描述。