我目前正在研究项目或指导/指导我的研究。我必须确定三种不同的叶子，并且每种都使用100个样本（300只是为了具体），我的教授要求我暗示K-Nearest Neighbor算法使用上传的100个样本对系统中上传的图像进行分类。数据库作为参考。
我已经为系统上传了样本和图像处理，但我仍然需要应用KNN算法对它们进行分类，任何建议或分步教程？
是否需要研究编码算法，或者是否有现有的库可以在C＃语言的图像分类中轻松应用 KNN？并且每个叶子种类有足够的100个图像样本？
更多信息：来自martijin_himself答案的回复
是的，我说的是树叶。嗯，问题是，唯一要考虑的特征是树叶的形状。忽略其他功能，如颜色，大小等。我并不确切知道何时或如何提取这些“特征向量”，将它们放在何处以及如何将图像样本用作叶子的分类参考
关于系统的图像处理部分，图像经历二值化和斑点处理，使图像仅考虑其形状唯一特征。因此，我在数据库中上传的所有样本都是如此。如果我缺乏答案所需的信息，我感到非常抱歉。请多多包涵。
提前致谢！ ：）
答案 0 :(得分：5)
如果我理解正确，你有一套300张图片，每个班级（或标签）100张。
首先，您必须定义特征向量，这是一组您认为在分类图像时很重要的图像特征或属性。如果你在谈论（树）叶子，一个特征可能是图像中的颜色值？
第二步是定义一个计算特征向量之间距离的距离函数。例如，具有大量红色的图像与具有大量绿色的图像具有更大的距离。你甚至可以权衡这些特征，以反映它们对距离的重要性。
接下来，您可以选择k的值，并测试特征向量和距离函数的组合执行情况，以便为具有训练集的已知标签的图像进行分类。这称为交叉验证。如果您的特征向量和距离函数表现不佳，您可能选择了不属于该类的属性（例如图像的大小）。
在c＃中实现它时，您可以为每个图像或类似的东西创建一个FeatureVector类，并且可以实现IComparable（或类似）接口来计算某些已知样本的距离函数。然后，您可以简单地创建一个List并对其进行排序。这只是一个建议。
答案 1 :(得分：0)
结果，我将图像分成两个部分（顶部和底部）。但我有三个特征向量（叶子的面积，它的顶部区域，以及它的底部区域）。与数据库中的所有样本相同。
因此，考虑到我拥有的三个特征向量，我设法通过计算它们的距离/ s（eauclidean，w / c包含在K-NN算法中）将K-NN算法应用于我的研究并基于它们进行分类在用户定义的K值上。因此，结果以百分比表示。
感谢帮助人员^ _ ^