Image processing 有效分类的最小纹理图像维数

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。正如我所感觉的，如果一幅图像的特征提取步骤太小，将无法提取足够的特征。如果图像大小超过某个维度，处理时间将随图像大小呈指数增长。

这是一个需要思考的复杂问题

简短回答：视情况而定

详细答案：这取决于要分类的纹理类型和分类所基于的特征类型。如果提取的特征仅为颜色，则可以使用小到1x1像素的“纹理”（在这种情况下，使用“纹理”一词有点滥用）。如果要分类，例如字符，通常可以从边（，等）提取大量局部信息。图像平面必须足够大，以容纳字符（例如16x16像素）

如果您希望能够以任何数字对任何类型的图像进行分类，您还可以基于全局信息进行分类，如能量、惯性、颜色和颜色。这些功能用于

---

如果您使用的纹理类型是先验未知的，那么从我的头顶开始，我会尝试使用小到32x32像素的纹理。相反，如果纹理类型是先验已知的，我会选择一个或多个我知道的特征，根据我的需要对图像进行分类（1x1像素仅用于颜色，16x16像素用于字符，等等）。再说一次，这真的取决于你想要实现什么。您的问题没有唯一的答案。

这取决于您要创建的纹理。最小尺寸是3x3像素，我认为最好的尺寸是40x40像素，有点大，但也可以是400x400px——如果使用40x40像素或100x1像素，这一点很重要，这将始终取决于纹理的类型，这就是为什么没有固定的最小尺寸要求对纹理图像进行有效分类。