具有scikit-image local_binary_pattern函數的統一LBP

Question

我正在使用skimage.feature的local_binary_pattern和統一模式，如下所示：

>>> from skimage.feature import local_binary_pattern
>>> lbp_image=local_binary_pattern(some_grayscale_image,8,2,method='uniform')
>>> histogram=scipy.stats.itemfreq(lbp_image)
>>> print histogram
[[  0.00000000e+00   1.57210000e+04]
 [  1.00000000e+00   1.86520000e+04]
 [  2.00000000e+00   2.38530000e+04]
 [  3.00000000e+00   3.23200000e+04]
 [  4.00000000e+00   3.93960000e+04]
 [  5.00000000e+00   3.13570000e+04]
 [  6.00000000e+00   2.19800000e+04]
 [  7.00000000e+00   2.46530000e+04]
 [  8.00000000e+00   2.76230000e+04]
 [  9.00000000e+00   4.88030000e+04]]

當我在附近拍攝8個像素時，預計會獲得59個不同的LBP碼（因為統一的方法），但它只給了我9個不同的LBP碼。 更一般地，總是返回P + 1個標簽（其中P是鄰居的數量）。

這是另一種統一的方法，還是我誤解了什么？

Answer 1

好問題。 看一下畫廊中的LBP示例 。 具體來說，請看下圖：

• 均勻性：由於您選擇了'uniform' ，因此結果僅包括所有黑點都相鄰且所有白點都相鄰的圖案。 所有其他組合都標記為“非均勻”。
• 旋轉不變性：請注意，您選擇'uniform' ，而不是'nri_uniform' （請參閱API文檔 ），其中“nri”表示非旋轉不變。 這意味着'uniform' 是旋轉不變的。 結果，表示為00001111（0s和1s代表上圖中的黑色和白色點）的邊緣被收集到與00111100相同的箱子中（0s是相鄰的，因為我們從前到后環繞）。
• 旋轉不變，均勻組合：考慮旋轉不變性，有9種獨特，統一的組合：
  • 00000000
  • 00000001
  • 00000011
  • 00000111
  • 00001111
  • 00011111
  • 00111111
  • 01111111
  • 11111111
• 不均勻的結果：如果你仔細觀察你的結果，實際上有10個箱子，而不是9個。第10個箱子將所有不均勻的結果混為一談。

希望有所幫助！ 如果您還沒有，那么LBP示例值得一看。 我聽說有人花了很多時間;）