Question

我有一个问题，即将Sklearn数字数据集位的大小从8 * 8扩展到32 * 32像素。

我的方法是采用8 * 8阵列，然后展平并展开它。也就是说，总共从64像素放大到1024像素。因此，我只想将每行的值乘以16次：

创建一个具有1024个NaN值的新数组（= newfeatures）。
将newfeatures数组的每16个值替换为原始数组的值，即（0 = 0），（16 = 1），（32 = 2），（...），（1008 = 64））。 3.用dropna（ffill）替换剩余的NaN值到＆＃34;展开＆＃34;原始图像为32 * 32像素图像。

因此我使用以下代码：

#Load in the training dataset

digits=datasets.load_digits()
features=digits.data
targets=digits.target

#Plot original digit
ax[0].imshow(features[0].reshape((8,8)))

#Expand 8*8 image to a 32*32 image (64 to 1024)

newfeatures=np.ndarray((1797,16*len(features[0])))
newfeatures[:]=np.NaN
newfeatures=pd.DataFrame(newfeatures)
for row in range(1797):
    for i in range(0,63):
        newfeatures.iloc[row,16*i]=features[row][i]
newfeatures.fillna(method="ffill",axis=1,inplace=True)

#Plot expanded image with 32*32 pixels
ax[1].imshow(newfeatures.values[0].reshape((32,32)))

如您所见，结果不符合预期

Answer 1

你可以使用skimage＆＃res;大小调整，如下所示

from skimage import transform
new_features = np.array(list
                        (map
                         (lambda img: transform.resize(
                                        img.reshape(8,8),#old shape
                                          (32, 32), #new shape
                                          mode='constant',
                                         #flatten the resized image
                                          preserve_range=True).ravel(),
             features)))

new_features形状将为（1797,1024）并显示第一张图像

Answer 2

基于上述解决方案，我认为以下是更简洁的方式：

from skimage import transform

newfeatures=[transform.resize(features[i].reshape(8,8),(32,32))for i in 
range(len(features))]

plt.imshow(newfeatures[0].reshape((32,32)))

将Sklearn数字大小从8 * 8扩展到32 * 32

2 个答案: