从 numpy 中的二维图像中提取特征向量

Extract feature vector from 2d image in numpy

我有一系列两种类型的二维图像，星形或五边形。我的目标是分别对所有这些图像进行分类。我有 30 张星星图片和 30 张五边形图片。每个图像的示例在此处并排显示：

在应用KNN分类算法之前，我需要从所有图像中提取一个特征向量。特征向量的大小必须相同，但二维图像的大小各不相同。我已经提取了图像中的读取内容，并返回了一个包含零和一的二维数组。

image = pl.imread('imagepath.png')

我的问题是如何处理 image 以生成有意义的特征向量，其中包含足够的信息以允许我进行分类。它必须是我将用于训练和测试的每个图像的单个向量。

如果你想使用opencv那么：

将图像调整为标准尺寸：

import cv2
import numpy as np

src = cv2.imread("/path.jpg")
target_size = (64,64)

dst = cv2.resize(src, target_size)

转换为一维向量：

dst = dst.reshape(target_size.shape[0] * target_size.shape[1])

在开始编码之前，您必须确定哪些功能对这项任务有用：

最简单的方法是尝试@Jordan 的回答中的方法并将整个图像转换为特征。这可能有效，因为 类 是简单的模式，如果您使用 KNN，这会很有趣。如果效果不佳，以下步骤将说明您应该如何解决该问题。

  1. 黑色像素的数量可能没有帮助，因为 星星和五边形可能会有所不同。
  2. 尖角的数量很有可能有用。
  3. 直线段的数量可能有用，但这可能 不可靠，因为形状是 hand-drawn.

假设您想尝试使用角点数作为特征，可以参考this page了解如何提取角点。