使用scikit-learn歧管将RGB转换为灰色

Question

我正在尝试缩小尺寸，使用manifold learning methods将RGB图像变为灰色。

我已将图像转换为numpy数组（image_array）

import numpy as np
from sklearn.datasets import load_sample_image
china = load_sample_image("china.jpg")

# Convert to floats instead of the default 8 bits integer coding. Dividing by
# 255 is important so that plt.imshow behaves works well on float data (need to
# be in the range [0-1]

china = np.arraychina, dtype=np.float64) / 255

# Load Image and transform to a 2D numpy array.

w, h, d = original_shape = tuple(china.shape)
assert d == 3
image_array = np.reshape(china, (w * h, d))

检查image_array

image_array.shape

  

（273280,3）

尝试时，

X, color = image_array

我得到了

  

ValueError：要解压的值太多。

有没有办法解决这个问题？

Answer 1

你可以做到

china = (china[:,:,:3] * [0.2989, 0.5870, 0.1140]).sum(axis=2)

我在diy机器学习中做了哪些（我发现纯粹的numpy比使用scikit要快得多，包括一个渐变的渐变直方图版本，请参阅https://github.com/paddywwoof/Machine-Learning/blob/master/image_processor.py）