Python 3.x 如何在python中从非重叠面片大小为32 X 32的图像中提取24维颜色直方图特征向量

我想读取大小为32 X 32的非重叠面片的图像，每个面片应使用R、G、B值表示，8+8+8=24维特征向量

我假设每个面片需要三个8格直方图，每个颜色通道一个。如果您的图像数据是

uint8

，那么我们可以通过右移五位来获得每个像素的适当的bin索引。实际的组织编程可以使用

np.bincount

+一些温和的技巧来完成，以解决其仅为1D的问题

这本质上是一条单行线。下面的大部分代码用于处理非32维图像

import numpy as np

def histo24(img):
    h, w, c = img.shape
    assert c == 3
    assert img.dtype == np.uint8
    # pad
    H, W = (h+31)>>5, (w+31)>>5
    patches = np.zeros((H, 32, W, 32, 3), np.uint8)
    patches.reshape(H<<5, W<<5, 3)[:h, :w] = img>>5
    # the next line is the actual histogramming
    histo = np.bincount(
        (patches + np.arange(0, H*W*24, 8).reshape(H, 1, W, 1, 3)).ravel(),
        minlength=H*W*24).reshape(H, W, 24)
    # subtract padded zeros from zero bins at the right and bottom edges
    if h & 31:
        histo[-1, :, ::8] -= (31&-h)<<5
    if w & 31:
        histo[:, -1, ::8] -= (31&-w)<<5
        if h & 31:
            histo[-1, -1, ::8] += (31&-h)*(31&-w)
    return histo

将numpy导入为np
def历史记录24（img）：
h、 w，c=img.形状
断言c==3
断言img.dtype==np.uint8
#垫
H、 W=（H+31）>>5，（W+31）>>5
补丁=np.0（（H，32，W，32，3），np.uint8）
补丁。重塑（hq）问题与机器学习无关

-请不要向标签发送垃圾邮件（已删除）。

def visualize(histo):
    h, w, c = histo.shape
    assert c == 24
    vis = np.zeros((h, 32, w, 32, 3), np.uint8)
    idx = np.arange(28)[None, :, None]
    for c in range(3):
        bnds = (histo[..., c<<3:(c+1)<<3].cumsum(axis=-1)*(28/1024)).astype(np.uint8)[..., ::-1]
        for j in range(1, 8):
            view = vis[:, 2:-2, :, 7*c+6:7*c+12, c]
            view[..., 0][(idx >= bnds[:, None, :, j]) &
                         (idx < bnds[:, None, :, j - 1])] = (j<<5)|16
            view[..., 1:] = view[..., :1]
    return vis.reshape(h<<5, w<<5, 3)

from scipy.misc import face
import Image

exmpl = face()
histo = histo24(exmpl)
Image.fromarray(exmpl).show()
#Image.fromarray(exmpl>>5<<5).show()
Image.fromarray(visualize(histo)).show()