Question

我写了一个python程序来分类字母和数字。我已经写了分类器，我有我的数据集的图像。我真的不具备python或使用图像方面的经验。我的问题是如何用我拥有的图像创建我的数据集。如何创建具有它们形状的数组。我应该只创建每个图像的numpy数组吗？或者使用颜色直方图？我可能会将所有图像转换为灰度。

我发现下面的链接对猫和狗进行了分类。它使用两种方法来提取图像特征，但我不知道这是否适用于我的情况。

k-nn-classifier-for-image-classification

任何人都可以指导我，我可以将我的图像的功能提取到矢量，例如，所以我可以在我的＆＃34; dataset.data＆＃34;文件？

我将使用如下图像的图像：

Letter "e"

我甚至考虑过将图片大小调整为32x32，并创建一个代表图像的0和1位图。

任何人都可以指导我，我可以将我的图像的功能提取到矢量，例如，所以我可以在我的＆＃34; dataset.data＆＃34;文件？

谢谢。

Answer 1

您通常希望创建一个Numpy数组来保存所有训练数据。通常将其排列成以下形状：

X_train.shape = (N, img.shape[0], img.shape[1])

其中N是集合中的图像数量。

这样，如果您使用的是单通道（灰度），X_train[i,:,:]将保存第i个图像像素的值。请注意，建议对这些值进行标准化，但这取决于您选择训练的模型。

以下是如何创建构建此类数组的快速示例：

import numpy as np
import cv2

X = np.zeros((N, IMG_SIZE[0], IMG_SIZE[1]), dtype=np.float32) 
y = np.zeros((N))
for idx, img_path in enumerate(images_path):
  img = cv2.imread(img_path)
  assert ((img.shape[0], img.shape[1]) == IMG_SIZE)
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  X[idx, :, :] = gray
  y[idx] = # label of this image

# if you wish to normalize:
X = (X/255.0) - 0.5

那里有数字分类器的许多教程，通常使用MNIST数据集作为示例。这是一个example，但你应该继续谷歌吧。

如果你想获得更好的结果，你可能想要研究神经网络。同样，很多教程，这里有一个example using tensorflow。

Answer 2

我想你可能正在寻找这个：

http://www.scipy-lectures.org/advanced/scikit-learn/

Sklearn是一个非常容易学习的机器学习包，有很多教程。希望它有所帮助，

从图像

2 个答案: