Używam funkcji local_binary_pattern
w pakiecie obrazu scikit. Chciałbym obliczyć obrót niezmienny jednolitego LBP 8 sąsiadami wewnątrz promienia 1. Oto mój kod Python:Dlaczego funkcja local_binary_pattern w obrazie scikit dostarcza tę samą wartość dla różnych wzorów
import numpy as np
from skimage.feature import local_binary_pattern
image = np.array([[150, 137, 137, 146, 146, 148],
[145, 144, 144, 144, 142, 144],
[149, 144, 144, 143, 153, 147],
[145, 144, 147, 150, 145, 150],
[146, 146, 139, 148, 144, 148],
[129, 139, 142, 150, 146, 140]]).astype(np.uint8)
lbp = local_binary_pattern(image, 8, 1, "uniform")
print "image ="
print image
print "lbp ="
print lbp
I tu jest wyjście
image =
[[150 137 137 146 146 148]
[145 144 144 144 142 144]
[149 144 144 143 153 147]
[145 144 147 150 145 150]
[146 146 139 148 144 148]
[129 139 142 150 146 140]]
lbp =
[[ 0. 5. 5. 1. 9. 0.]
[ 9. 6. 9. 9. 8. 9.]
[ 0. 8. 6. 8. 0. 3.]
[ 9. 7. 1. 0. 7. 0.]
[ 1. 1. 8. 9. 7. 1.]
[ 3. 4. 9. 0. 2. 3.]]
Co mnie dezorientuje jest, że niektóre te same wartości w lbp
nie odpowiadają temu samemu jednolitemu wzorowi. Np lbp[1,1]
i lbp[2,2]
są zarówno 6. Ale LBP z image[1,1]
jest
1 0 0
1 x 1
1 1 1
LBP z image[2,2]
jest
1 1 1
1 x 0
1 1 1
gdzie na podstawie wartości w lbp
, zakładam funkcja local_binary_pattern
wykorzystuje „większy lub równe ", aby porównać z sąsiadami.
LBP z image[1,1]
i image[2,2]
są jednolite. Ale w jaki sposób image[1,1]
i image[2,2]
mają taką samą wartość LBP?
Dzięki bardzo za odpowiedź. Ale według rys. 1 w artykule, czy 8 sąsiadów w promieniu 1 nie powinno być ośmioma sąsiadującymi pikselami? – Peter
Położenie punktów o promieniu 1 rzeczywiście mieści się w 8 sąsiadach, ale nie w samym środku pikseli dla sąsiadów ukośnych, stąd potrzeba interpolacji. –
Ah, rozumiem. Dziękuję bardzo za odpowiedź! – Peter