如何计算图像末尾的 lbp 代码？
How to calculate the lbp codes at the ends of the images?
比如坐标为(1, 1)的像素点的lbp编码可以用像素点(0, 0)来计算； (0, 1); (0, 2); (1, 2); (2, 2); (2, 1); (2, 0); (1, 0) 但极值的像素没有那8个邻域像素，即像素(0, 0)只有3个邻域。
这个问题是因为我用sicikit image获取了LBP图像，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，但我不明白极端的LBP代码是如何获得的。谢谢
函数 skimage.feature.local_binary_pattern 在后台执行零填充。因此，LBP 代码实际上是根据填充图像计算的：
[[ 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]]
当你对上图使用'ror'方法时，最左上角像素对应的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结果为：
0 0 0 0 0 0
185 185 190 >> 1 1 >> 00010001 >> 17
183 180 181 0 0 0
最右上角像素对应的LBP为：
0 0 0 0 0 0
172 178 0 >> 0 0 >> 000000001 >> 1
185 175 0 1 0 0
...等等。
比如坐标为(1, 1)的像素点的lbp编码可以用像素点(0, 0)来计算； (0, 1); (0, 2); (1, 2); (2, 2); (2, 1); (2, 0); (1, 0) 但极值的像素没有那8个邻域像素，即像素(0, 0)只有3个邻域。
这个问题是因为我用sicikit image获取了LBP图像，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，但我不明白极端的LBP代码是如何获得的。谢谢
函数 skimage.feature.local_binary_pattern 在后台执行零填充。因此，LBP 代码实际上是根据填充图像计算的：
[[ 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]]
当你对上图使用'ror'方法时，最左上角像素对应的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结果为：
0 0 0 0 0 0
185 185 190 >> 1 1 >> 00010001 >> 17
183 180 181 0 0 0
最右上角像素对应的LBP为：
0 0 0 0 0 0
172 178 0 >> 0 0 >> 000000001 >> 1
185 175 0 1 0 0
...等等。