使图像的背景白色

Question

我有几个这样的图像，并尝试使用Neural Networks和GIST作为功能识别对象。我的数据集有50个类，每个类有4个图像。使用75％的图像作为训练数据，我的测试准确率为83％

为了提高准确性，我想对图像进行预处理I.e.我想让背景透明或白色，同时保留原始对象。我一直在尝试cv2.BackgroundSubtractorMOG2()，但它会使整个图像变灰。

预处理此图像的最佳方法是什么？

Answer 1

您可以尝试使用GrabCut算法解决此问题。由于您知道对象大致位于中心，因此您可以尝试构建对象的颜色分布，并从图像的边框收集背景样本。

OpenCV文档可以在这里找到： http://docs.opencv.org/modules/imgproc/doc/miscellaneous_transformations.html#grabcut

在此处举例：https://github.com/Itseez/opencv/blob/master/samples/cpp/grabcut.cpp

Answer 2

您可能想尝试提取轮廓以查找图像中的对象。然后，您可以仅提取最大轮廓内的图像部分，并假设这是您的对象。

Answer 3

对于图像预处理，没有一个最好的答案。有许多事情可以用来增强您的训练集/提高分类准确性。如果您正在使用神经网络（尤其是自己训练），那么您需要尽可能地增加数据以使其最有效。您可以为图像预处理/训练集数据增强做一些可能的技术：

• 以任意数量旋转您的训练图像（除了90/180/270度，类似于30/60/120 /等）。
• 随机添加高斯噪音。
• 模糊你的图像。
• 照亮图像。

由于每个级别只有4张图像，因此除非您想要分类的图像与训练集中的图像非常相似，否则这个图像的训练图像不够用，因此您需要转换这4张图像（3如果你使用75％进行训练，可以使用12来用于训练。

但是对于测试，需要注意的一件重要事情是图像的SHAPE非常重要。因此，如果您的网络需要50x50像素图像且原始图像为100x50，那么您可以选择如何将图像重新塑造为50x50，包括直线变形，从中间裁剪50x50区域，用黑色填充图像像素为100x100，然后重新缩放等。