具有 scikit-image local_binary_pattern 函数的统一 LBP

Question

我正在使用 skimage.feature 中的 local_binary_pattern，统一模式如下：

>>> 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]]

由于我在邻域内取8个像素，预计会得到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，总是 return P+1 个标签（其中 P 是邻居的数量）。

这是另一种统一的方法，还是我理解错了什么？

Answer 1

好问题。看看LBP example in the gallery。具体看下图：

均匀度： 由于您选择了'uniform'，结果仅包括所有黑点相邻和所有白点相邻的图案。全部其他组合标注为'non-uniform'.
旋转不变性： 注意你选择的是'uniform'，而不是'nri_uniform'（见API docs），其中"nri"表示非旋转不变性。也就是说'uniform'是旋转不变的。结果，表示为 00001111 的边（0 和 1 代表上图中的黑点和白点）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）。
旋转不变，均匀组合：考虑旋转不变性，有9个独特的均匀组合：
- 00000000
- 00000001
- 00000011
- 00000111
- 00001111
- 00011111
- 00111111
- 01111111
- 11111111
不均匀的结果：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 将所有不均匀的结果集中在一起。

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

具有 scikit-image local_binary_pattern 函数的统一 LBP

Uniform LBP with scikit-image local_binary_pattern function

python

feature-extraction

scikit-image