使用scikit图像计算所有类似Haar的特性

Question

如何使用scikit图像函数功能计算所有类型的Haar类特征？这就是我尝试过的(一个计算2x类型所有功能的简单示例)：

from skimage.feature import haar_like_feature
from skimage.transform import integral_image

img = np.array([[1,  2],
                [1,  3]])

ii = integral_image(img)

features = haar_like_feature(ii, 0, 0, ii.shape[1], ii.shape[0], 'type-2-x')

print(features)
[1, 2]

但是，我希望得到[1, 2, 3]，因为我们还应该考虑覆盖整个图像的矩形特征，从而得到特征值(2 + 3) - (1 + 1) = 3。

我还查看了Viola的论文，它们有以下几个特性：

type-2-x: 43200
type-2-y: 43200
type-3-x: 27600
type-3-y: 27600
type-4: 20736

total: 162336

(资料来源：Viola人脸检测算法分析)

但是，skimage.feature.haar_like_feature生成的特性的数量不同：

img = np.random.randint(0, 256, (24,24))
ii = integral_image(img)

total = 0
for feature_type in ['type-2-x', 'type-2-y', 'type-3-x', 'type-3-y', 'type-4']:
    features = haar_like_feature(ii, 0, 0, ii.shape[1], ii.shape[0], feature_type)
    print(f"{feature_type}: {len(features)}")
    total += len(features)
print("\ntotal:", total)

type-2-x: 43056
type-2-y: 43056
type-3-x: 27508
type-3-y: 27508
type-4: 20736

total: 161864

因此，似乎在这个计算中缺少了472个特征。我做错了吗？应该将哪些参数传递给函数haar_like_feature()以获得所有特性？

更新：函数haar_like_feature https://github.com/scikit-image/scikit-image/issues/4818的实现似乎存在缺陷

Answer 1

在这里，我只想分享：

出发地: img = np.array([1，2，1，3])

致: img = np.random.randint(0,256，(12,12))

尝试增加np.array()或图像size..to的输入大小，例如12x12。