blocks|key|2993988|text|中心像素的新值是多少？|type|blockquote|depth|inlineStyleRanges|entityRanges|data|2993989|这取决于编码方案。参考文件没有清楚地解释如何编码局部梯度模式。一种可能的编码方式是：|unstyled|offset|length|style|BOLD|2993990|​|2993991|📷|atomic|2993992|2993993|哪里|2993994|2993995|2993996|2993997|如果将示例的强度值引入上面的表达式，则模式代码结果如下：|2993998|2993999|2994000|2994001|请注意，使用不同编码的效果将是重新排序直方图箱，但这不会影响分类的准确性。|2994002|LGP与LBP的关系如何？|2994003|LGP只是众多LBP变体之一。请看一看这本书进行全面审查。|2994004|有没有使用LGP+(Python首选)来转换2D矩阵的伪代码？|2994005|尝试使用以下代码：|2994006|import+numpy+as+np

def+LGP_codes(img,+r=1):
++++padded+=+np.pad(img,+(r,+r),+'constant')
++++a1+=+padded[:-2*r,+:-2*r]
++++b1+=+padded[:-2*r,+r:-r]
++++a2+=+padded[:-2*r,+2*r:]
++++b2+=+padded[r:-r,+2*r:]
++++a3+=+padded[2*r:,+2*r:]
++++b3+=+padded[2*r:,+r:-r]
++++a4+=+padded[2*r:,+:-2*r]
++++b4+=+padded[r:-r,+:-2*r]
++++codes+=+(a1+>=+a3)+%2B+2*(a2+>=+a4)+%2B+4*(b1+>=+b3)+%2B+8*(b2+>=+b4)
++++return+codes[r:-r,+r:-r]|code-block|syntax|javascript|2994007|Demo|2994008|In+[31]:+patch+=+np.array([[18,+25,+14],+
++++...:+++++++++++++++++++[85,+25,+86],+
++++...:+++++++++++++++++++[45,+65,+14]])
++++...:+

In+[32]:+LGP_codes(patch)
Out[32]:+array([[9]])|2994009|entityMap|0|IMAGE|mutability|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-900000/067e9cfffa1544f36b2613bf3a0db855.jpg|imageAlt|1|https://developer.qcloudimg.com/http-save/yehe-900000/afc244d6a77136c496048f18f4942209.png|2|https://developer.qcloudimg.com/http-save/yehe-900000/99291549e48b8a36d9e63d99210fb90c.png|3|LINK|MUTABLE|url|http://www.springer.com/gp/book/9783642392887^0|0|4|2|0|0|0|1|0|0|0|0|0|0|1|1|0|0|0|0|0|1|2|0|0|0|0|7|5|J|3|3|0|0|0|0|0|4|0|0^^$0|@$1|2|3|4|5|6|7|1Z|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|20|8|@$E|21|F|22|G|H]]|9|@]|A|$]]|$1|I|3|J|5|D|7|23|8|@]|9|@]|A|$]]|$1|K|3|L|5|M|7|24|8|@]|9|@$E|25|F|26|1|27]]|A|$]]|$1|N|3|J|5|D|7|28|8|@]|9|@]|A|$]]|$1|O|3|P|5|D|7|29|8|@]|9|@]|A|$]]|$1|Q|3|J|5|D|7|2A|8|@]|9|@]|A|$]]|$1|R|3|L|5|M|7|2B|8|@]|9|@$E|2C|F|2D|1|2E]]|A|$]]|$1|S|3|J|5|D|7|2F|8|@]|9|@]|A|$]]|$1|T|3|U|5|D|7|2G|8|@]|9|@]|A|$]]|$1|V|3|J|5|D|7|2H|8|@]|9|@]|A|$]]|$1|W|3|L|5|M|7|2I|8|@]|9|@$E|2J|F|2K|1|2L]]|A|$]]|$1|X|3|J|5|D|7|2M|8|@]|9|@]|A|$]]|$1|Y|3|Z|5|D|7|2N|8|@]|9|@]|A|$]]|$1|10|3|11|5|6|7|2O|8|@]|9|@]|A|$]]|$1|12|3|13|5|D|7|2P|8|@$E|2Q|F|2R|G|H]]|9|@$E|2S|F|2T|1|2U]]|A|$]]|$1|14|3|15|5|6|7|2V|8|@]|9|@]|A|$]]|$1|16|3|17|5|D|7|2W|8|@]|9|@]|A|$]]|$1|18|3|19|5|1A|7|2X|8|@]|9|@]|A|$1B|1C]]|$1|1D|3|1E|5|D|7|2Y|8|@$E|2Z|F|30|G|H]]|9|@]|A|$]]|$1|1F|3|1G|5|1A|7|31|8|@]|9|@]|A|$1B|1C]]|$1|1H|3|-4|5|D|7|32|8|@]|9|@]|A|$]]]|1I|$1J|$5|1K|1L|1M|A|$1N|1O|1P|-4]]|1Q|$5|1K|1L|1M|A|$1N|1R|1P|-4]]|1S|$5|1K|1L|1M|A|$1N|1T|1P|-4]]|1U|$5|1V|1L|1W|A|$1X|1Y]]]]

<blockquote>
 What will be the new value of that center pixel?
</blockquote>

It depends on the encoding scheme. The reference paper does not clearly explain how local gradient patterns are encoded. One possible encoding would be:

<a href="https://i.stack.imgur.com/CeDg8.jpg" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/CeDg8.jpg" alt="LGP"></a>

where

<a href="https://i.stack.imgur.com/eWzCd.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/eWzCd.png" alt="f(x)"></a>

If you introduce the intensity values of your example into the expressions above the pattern code results:

<a href="https://i.stack.imgur.com/scySv.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/scySv.png" alt="code calculation example"></a>

Please notice that the effect of using a different encoding would be a reordering of the histogram bins, but this would not have an impact on the classification accuracy.

<blockquote>
 How LGP is related with LBP?
</blockquote>

LGP is simply one of the many LBP variants. Take a look at <a href="http://www.springer.com/gp/book/9783642392887" rel="nofollow noreferrer">this book</a> for a comprehensive review.

<blockquote>
 Is there any pseudo code for converting a 2D matrix using LGP (Python preferred)?
</blockquote>

Give this code a try:

<pre><code>import numpy as np

def LGP_codes(img, r=1):
 padded = np.pad(img, (r, r), 'constant')
 a1 = padded[:-2*r, :-2*r]
 b1 = padded[:-2*r, r:-r]
 a2 = padded[:-2*r, 2*r:]
 b2 = padded[r:-r, 2*r:]
 a3 = padded[2*r:, 2*r:]
 b3 = padded[2*r:, r:-r]
 a4 = padded[2*r:, :-2*r]
 b4 = padded[r:-r, :-2*r]
 codes = (a1 &gt;= a3) + 2*(a2 &gt;= a4) + 4*(b1 &gt;= b3) + 8*(b2 &gt;= b4)
 return codes[r:-r, r:-r]
</code></pre>

Demo

<pre><code>In [31]: patch = np.array([[18, 25, 14], 
 ...: [85, 25, 86], 
 ...: [45, 65, 14]])
 ...: 

In [32]: LGP_codes(patch)
Out[32]: array([[9]])
</code></pre>

I am trying to understand Local Gradient Pattern which is described in <a href="http://jad.shahroodut.ac.ir/article_147_65fecf9ec71ccfdba7f9ba1bf07251b1.pdf" rel="nofollow noreferrer">Local gradient pattern - A novel feature representation for facial
expression recognition</a>.

There is an example of calculating new value of a pixel like below:

<a href="https://i.stack.imgur.com/dr7HG.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/dr7HG.png" alt="pattern calculation"></a>

I see that the center pixel's (which is 25) <code>Pattern-1</code> value is <code>10</code> and <code>Pattern-2</code> value is <code>01</code>. I have several questions.

<ul>
<li>What will be the new value of that center pixel? </li>
<li>How LGP is related with LBP? </li>
<li>Is there any pseudo code for converting a 2D matrix using LGP (Python preferred)? </li>
</ul>

Local Gradient Pattern Implementation

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我试图理解局部梯度模式，这是在中描述的。有一个计算像素新值的示例，如下所示：​​我看到中心像素的( 25) Pattern-1值是10，Pattern-2值是01。我有几个问题。中心像素的新值是多少？LGP与LBP的关系如何？有没有使用LGP (Python首选)来转换2D矩阵的伪代码？

问局部梯度模式实现
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问局部梯度模式实现EN