Python 具有scikit图像局部二进制模式函数的均匀LBP

我正在使用skimage.feature中的local_binary_模式和统一模式，如下所示：

>>> 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]]

由于我在邻域中选取了8个像素，预计将获得59个不同的LBP代码（因为采用统一的方法），但它只给出了9个不同的LBP代码。更一般地说，总是返回P+1标签（其中P是邻居的数量）

---

这是另一种统一的方法，或者我误解了什么？

好问题。请看下面的图片。具体来说，请看下图：

• 一致性：由于您选择了

  “一致性”

  ，因此结果仅包括所有黑点相邻且所有白点相邻的图案。所有其他组合均标记为“非均匀”
• 旋转不变性：请注意，您选择的是

  'uniform'

  ，而不是

  'nri\u uniform'

  （请参见），其中“nri”表示非旋转不变性。这意味着

  'uniform'

  是旋转不变的。因此，表示为00001111的边（0s和1s表示上图中的黑点和白点）被收集到与00111100相同的箱子中（0s是相邻的，因为我们从前面到后面环绕）
• 旋转不变性，统一组合：考虑到旋转不变性，有9种独特的统一组合：
  • 亿
  • 00000001
  • 00000011
  • 00000111
  • 00001111
  • 00011111
  • 00111111
  • 0111111
  • 11111111
• 非均匀结果：如果你更仔细地观察你的结果，实际上有10个箱子，而不是9个。第十个箱子将所有不均匀结果汇总在一起

---

希望有帮助！如果你还没有，那么这本书值得一看。我听说有人花了很多时间在这上面；）

现在一切都有意义了，谢谢。顺便说一下，我认为方法名称有点混乱。在大多数文献中，统一LBP代表简单的无旋转不变版本broken@GrayCygnus：谢谢你的通知！链接现在应该被修复了。来自主人本人。Tony在某个时候是Scikit-image的核心开发人员之一。据我所知，

'nri_uniform'

是非旋转不变的一致，将给出59维向量，但我得到了555维向量。为什么？怎样才能得到59-d描述符？555-d描述符从何而来？谢谢