如何计算图像末尾的lbp代码？

Question

例如坐标为(1, 1)的像素点的lbp码可以用像素点(0, 0)计算； (0, 1); (0, 2); (1, 2); (2, 2); (2, 1); (2, 0); (1, 0) 但极值的像素没有这 8 个邻域像素，即 (0, 0) 像素只有 3 个邻域。

这个问题是因为我已经使用sicikit镜像获取了LBP镜像，代码如下：

lbp = feature.local_binary_pattern (gray, 8, 1, 'ror')

然后我打印了灰度图的值，得到了这些值：

[[185 185 190 ... 176 172 178]]
 [183 180 181 ... 194 185 175]
 [203 199 199 ... 201 193 179]
 ...
 [205 188 182 ... 183 183 182]
 [207 197 194 ... 193 190 186]
 [206 201 201 ... 201 199 197]]

我也打印了LBP图像的值，得到了这些值：

[[  1.  17.   1. ...  15.  31.   1.]
 [ 27. 255. 127. ...   7.   7.  31.]
 [  0.  31.  31. ...   1.  31.  15.]
 ...
 [ 17.  31.  63. ...  63. 111.  31.]
 [  0.  31.  31. ...  15.  15.   7.]
 [  1.  25.  17. ...   0.   1.   1.]]

我知道，例如，右上角像素的 lbp 代码是正确的，因为它提供的值为 7，但我不明白如何获得极端的 LBP 代码。谢谢。

Answer 1

函数skimage.feature.local_binary_pattern 在底层执行零填充。因此，LBP 代码实际上是从填充图像中计算出来的：

[[  0   0   0   0 ...   0   0   0   0]
 [  0 185 185 190 ... 176 172 178   0]
 [  0 183 180 181 ... 194 185 175   0]
 [  0 203 199 199 ... 201 193 179   0]
 ...
 [  0 205 188 182 ... 183 183 182   0]
 [  0 207 197 194 ... 193 190 186   0]
 [  0 206 201 201 ... 201 199 197   0]
 [  0   0   0   0 ...   0   0   0   0]]

在上图中使用'ror'方法时，左上角像素对应的LBP为：

 0   0   0           0 0 0
 0  185 185    >>    0   1    >>    00000001    >>    1
 0  183 180          0 0 0  

第一行第二个像素对应的LBP原来是：

 0   0   0           0 0 0
185 185 190    >>    1   1    >>    00010001    >>    17
183 180 181          0 0 0  

最右上方像素对应的LBP为：

 0    0   0          0 0 0
172  178  0    >>    0   0    >>    000000001    >>    1
185  175  0          1 0 0  

...等等。