我是图像挖掘的初学者。我想知道有效分类纹理图像所需的最小尺寸。正如我觉得如果图像太小，特征提取步骤将无法提取足够的功能。如果图像尺寸超出某个尺寸，处理时间将随图像尺寸呈指数增长。
答案 0 :(得分：1)
这是一个复杂的问题，需要一些思考。
简短回答：这取决于。
长答案：这取决于您要分类的纹理类型以及您的分类所依据的要素类型。如果提取的特征仅为颜色，则可以使用小于1x1像素的“纹理”（在这种情况下，使用“纹理”一词有点滥用）。如果要进行分类，例如字符，通常可以从边缘（Hough transform，Gabor filters等）中提取大量本地信息。图像平面必须足够大才能容纳字符（例如Latin alphabet的16x16像素）。
如果您希望能够对任何类型的图像进行分类，您还可以根据全球信息进行分类，例如entropy，correlogram ，能量，惯性，{{ 3}}，cluster shade，颜色和cluster prominence。这些功能用于correlation。
如果您使用的纹理类型先验未知，我会尝试使用小到32x32像素的纹理。如果相反纹理的类型先验已知，我会选择一个或多个我知道会根据我的需要对图像进行分类的特征（1x1像素仅用于颜色，16x16像素用于字符等）。再次，它真的取决于你想要实现的目标。你的问题没有一个独特的答案。