Python 基于numpy的二维图像特征向量提取

我有一系列两种类型的2d图像，要么是恒星，要么是五角大楼。我的目标是分别对所有这些图像进行分类。我有30张恒星图像和30张五角大楼图像。此处并排显示了每个图像的示例：

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。特征向量必须具有相同的大小，但是2d图像的大小都不同。我在图像中提取了read，然后得到了一个包含0和1的二维数组

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

---

我的问题是如何处理

图像

，以生成包含足够信息的有意义的特征向量，从而进行分类。它必须是每个图像的一个向量，我将使用它进行训练和测试。

如果您想使用opencv，那么：

将图像大小调整为标准大小：

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])

---

如果要使用opencv，请执行以下操作：

将图像大小调整为标准大小：

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该任务有用：

最简单的方法是尝试@Jordan的答案中的方法，并将整个图像转换为一个功能。这是可行的，因为这些类是简单的模式，如果您使用KNN，这是很有趣的。如果这样做效果不好，以下步骤将说明如何解决该问题

黑色像素的数量可能没有帮助，因为 恒星和五角大楼可以变化

锐角的数量可能非常有用

直线段的数量可能有用，但这可能会 不可靠，因为形状是手工绘制的

---

假设您想尝试使用角点数量作为一项功能，您可以参考以了解如何提取角点。

开始编码之前，您必须确定哪些功能对此任务有用：

最简单的方法是尝试@Jordan的答案中的方法，并将整个图像转换为一个功能。这是可行的，因为这些类是简单的模式，如果您使用KNN，这是很有趣的。如果这样做效果不好，以下步骤将说明如何解决该问题

黑色像素的数量可能没有帮助，因为 恒星和五角大楼可以变化

锐角的数量可能非常有用

直线段的数量可能有用，但这可能会 不可靠，因为形状是手工绘制的

---

假设您想尝试使用角数作为特征，您可以参考以了解如何提取角点。

只需将二维像素数据转换为1-DW，这是在转换过程中标准化大小的好方法，以便所有1-d阵列大小相同？将图像大小调整为相同大小，然后获取特征。只需将二维像素数据转换为1-DW，这是标准化的好方法转换过程中的大小，以便所有1-d阵列的大小相同？调整图像大小，使其大小相同，然后获取特征。