具有 scikit-image local_binary_pattern 函数的统一 LBP

Question

我正在使用来自 skimage.feature 的 local_binary_pattern 和这样的统一模式：

>>> 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]]

由于我在邻域中取 8 个像素，因此预计会获得 59 个不同的 LBP 代码（因为统一方法），但它只给了我 9 个不同的 LBP 代码。更一般地说，总是返回 P+1 个标签（其中 P 是邻居的数量）。

这是另一种统一的方法，还是我误解了什么？

Answer 1

好问题。看看gallery 中的LBP example。具体看下图：

• 均匀性：由于您选择了'uniform'，因此结果仅包括所有黑点相邻且所有白点都相邻的图案。 所有其他组合都被标记为“不均匀”。
• 旋转不变性：请注意，您选择了'uniform'，而不是'nri_uniform'（参见API docs），其中“nri”表示非旋转不变性。这意味着'uniform' 是 旋转不变的。结果，表示为 00001111 的边缘（0 和 1 代表上图中的黑白点）被收集到与 00111100 相同的 bin 中（0 是相邻的，因为我们从前到后环绕）。李>
• 旋转不变的均匀组合：考虑到旋转不变性，有 9 种独特的均匀组合：
  • 00000000
  • 00000001
  • 00000011
  • 00000111
  • 00001111
  • 00011111
  • 00111111
  • 01111111
  • 11111111
• 非均匀结果：如果您更仔细地查看结果，实际上有 10 个 bin，而不是 9 个。第 10 个 bin 将所有不统一的结果集中在一起。

希望对您有所帮助！如果您还没有，LBP example 值得一看。我听说有人为此花了很多时间；）