我正在研究脑肿瘤的分类。数据集由不同角度的大脑图像组成，并带有肿瘤位置的边界和遮罩。我已经裁剪了包含肿瘤的矩形，因为图像的其他部分无关紧要，并且由于拍摄图像的角度不同而有所不同。现在，我剩下了一系列肿瘤图像，每个图像都属于3种可能的肿瘤病例中的1种。但是要训练这些数据进行分类，我需要使二维图像阵列具有统一的形状。
可能的方法：
1）将每个图像裁剪为固定大小（例如100x100）。但这会导致数据丢失，而且还取决于图像中肿瘤的位置，由于到达图像边缘，我可能会遇到作物不均匀的情况。
2）将图像填充到固定的形状，该形状大于最大的裁剪图像形状（例如350x350）。但这又会在我假设的数据中引入噪声，而且我不确定如何在矩形的所有4个侧面上均匀填充图像。
由于这些方法似乎不可行，我正在寻找其他解决方案来解决此问题。
答案 0 :(得分：1)
常见的方法是在每个图像上裁剪肿瘤。您将获得不同的肿瘤图像大小。然后将肿瘤图像重新缩放至最小图像。根据将用于分类的算法，明智地选择用于重缩放的重采样技术。最快的是最近邻重采样，更平滑的是线性插值，最终的是样条插值。