局部漸變模式實現

Question

我試圖理解“ 局部漸變模式”中描述的“ 局部漸變模式”-一種用於面部表情識別的新穎特征表示 。

有一個計算像素新值的示例，如下所示：

我看到中心像素（為25）的Pattern-1值為10 ， Pattern-2值為01 。 我有幾個問題。

• 該中心像素的新值是多少？
• LGP與LBP有何關系？
• 是否有用於使用LGP（首選Python）轉換2D矩陣的偽代碼？

Answer 1

該中心像素的新值是多少？

這取決於編碼方案。 該參考文件沒有明確解釋如何編碼局部梯度模式。 一種可能的編碼是：

哪里

如果將示例的強度值引入到模式代碼結果上方的表達式中：

請注意，使用不同編碼的效果將是對直方圖塊進行重新排序，但這不會對分類准確性產生影響。

LGP與LBP有何關系？

LGP只是眾多LBP變體之一 。 請看這本書以進行全面審查。

是否有用於使用LGP（首選Python）轉換2D矩陣的偽代碼？

試試下面的代碼：

import numpy as np

def LGP_codes(img, r=1):
    padded = np.pad(img, (r, r), 'constant')
    a1 = padded[:-2*r, :-2*r]
    b1 = padded[:-2*r, r:-r]
    a2 = padded[:-2*r, 2*r:]
    b2 = padded[r:-r, 2*r:]
    a3 = padded[2*r:, 2*r:]
    b3 = padded[2*r:, r:-r]
    a4 = padded[2*r:, :-2*r]
    b4 = padded[r:-r, :-2*r]
    codes = (a1 >= a3) + 2*(a2 >= a4) + 4*(b1 >= b3) + 8*(b2 >= b4)
    return codes[r:-r, r:-r]

演示版

In [31]: patch = np.array([[18, 25, 14], 
    ...:                   [85, 25, 86], 
    ...:                   [45, 65, 14]])
    ...: 

In [32]: LGP_codes(patch)
Out[32]: array([[9]])