Opencv CNN之前的预处理：调整大小与裁剪

我正在使用一个简单的神经网络（类似于AlexNet）对图像进行分类。作为预处理阶段，输入图像在送入网络之前会调整为256x256

最近，我遇到了以下问题：我处理的许多图像都具有非常高的分辨率（比如2000x2000）。在这种情况下，执行“硬调整大小”会导致信息严重丢失。例如，在原始图像中容易识别的100x100小脸在调整大小的版本中可能无法识别。在这种情况下，我可能更喜欢对2000x2000图像中的几种作物进行分类

我正在寻找一种方法来自动确定哪种类型的预处理是最合适的。理想情况下，它将能够识别，例如，单个面的高分辨率图像应调整大小，而群组的高分辨率图像应进行多次裁剪。就我而言，基本要求是：

• 尽可能提高计算效率。因此，像“滑动窗口”这样的东西可能被排除在外（只裁剪所有图像在计算上更便宜）
• 在回忆和精确性之间取得平衡的能力

到目前为止，我考虑的是：

“低水平”（图像处理）方法：实现一种使用局部图像信息（如梯度）来区分高分辨率和低分辨率图像的算法

“高级”（语义）方法：通过预先训练的网络运行图像进行某种分割，并使用其oputput确定适当的预处理

---

我想先试试第一种选择，但不确定该怎么做。在傅里叶域中我能做些什么吗？我可以试试OpenCv中的一些东西吗？有人有什么建议/想法吗？其他想法也非常受欢迎。谢谢

如果您的程序已经可以检测到对象，那么您可以根据设置的比例阈值来计算检测到的对象（即面）的数量（该数量与整体图像分辨率之间的比例阈值），以确定是否调整大小或裁剪。如果您具有高分辨率且检测到的对象数量较少，则调整大小；如果具有高分辨率且检测到的对象数量较多，则进行裁剪。在调整大小和裁剪方面，如果使用框检测和勾勒图像，则可以使用框的坐标进行裁剪和调整大小。这意味着您只需要首先使用检测算法。在确定是否调整大小或裁剪程序是否已经可以检测到对象方面，您可以计算在设置的比例阈值中检测到的对象（即面）数量，该数量与整体图像分辨率之间。如果您具有高分辨率且检测到的对象数量较少，则调整大小；如果具有高分辨率且检测到的对象数量较多，则进行裁剪。在调整大小和裁剪方面，如果使用框检测和勾勒图像，则可以使用框的坐标进行裁剪和调整大小。这意味着您只需要首先使用检测算法。