如何为图像分类处理可变图像尺寸？
How to approach variable image sizes for Image Classification?
我正在研究脑肿瘤的分类。该数据集由来自不同角度的脑图像组成，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是无关紧要的，并且由于拍摄图像的角度不同而有所不同。现在我留下了一系列肿瘤图像，每张图像都属于 3 种可能的肿瘤病例中的一种。但是为了训练这些数据进行分类，我认为我需要让二维图像阵列具有统一的形状。
可能的方法：
1) 将每张图片裁剪成固定大小（比如 100x100）。但这会导致数据丢失，而且根据肿瘤在图像中的位置，我可能会因为到达图像边缘而面临不均匀的裁剪。
2) 将图像填充到固定形状，大于最大的裁剪图像形状（比如 350x350）。但这又会在我想的数据中引入噪声，我不确定如何在矩形的所有 4 个边上均匀地填充图像。
由于这些似乎都不可行，我正在寻找其他解决方案来解决这个问题。
常见的方法是在每个图像上裁剪肿瘤。您将获得不同大小的肿瘤图像。然后将肿瘤图像重新缩放到最小的图像。根据您将用于分类的算法，明智地选择重新缩放的重新采样技术。最快的是最近邻域重采样，更平滑的是线性插值，最终的是样条插值。
我正在研究脑肿瘤的分类。该数据集由来自不同角度的脑图像组成，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是无关紧要的，并且由于拍摄图像的角度不同而有所不同。现在我留下了一系列肿瘤图像，每张图像都属于 3 种可能的肿瘤病例中的一种。但是为了训练这些数据进行分类，我认为我需要让二维图像阵列具有统一的形状。
可能的方法：
1) 将每张图片裁剪成固定大小（比如 100x100）。但这会导致数据丢失，而且根据肿瘤在图像中的位置，我可能会因为到达图像边缘而面临不均匀的裁剪。
2) 将图像填充到固定形状，大于最大的裁剪图像形状（比如 350x350）。但这又会在我想的数据中引入噪声，我不确定如何在矩形的所有 4 个边上均匀地填充图像。
由于这些似乎都不可行，我正在寻找其他解决方案来解决这个问题。
常见的方法是在每个图像上裁剪肿瘤。您将获得不同大小的肿瘤图像。然后将肿瘤图像重新缩放到最小的图像。根据您将用于分类的算法，明智地选择重新缩放的重新采样技术。最快的是最近邻域重采样，更平滑的是线性插值，最终的是样条插值。