從numpy中的2d圖像中提取特征向量

Question

我有一系列兩種類型的2d圖像，分別是星形或五邊形。 我的目的是分別對所有這些圖像進行分類。 我有30個星圖和30個五邊形圖。 每個圖像的示例在此處並排顯示：

在應用KNN分類算法之前，我需要從所有圖像中提取特征向量。 特征向量必須全部具有相同的大小，但是2d圖像的大小都不同。 我已經提取了圖像中的讀取內容，然后得到了一個帶有零和一的二維數組。

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

我的問題是如何處理image以產生有意義的特征向量，該特征向量包含足以讓我進行分類的信息。 每個圖像必須是一個向量，我將用於訓練和測試。

Answer 1

如果要使用opencv，請執行以下操作：

將圖像調整為標准尺寸：

import cv2
import numpy as np

src = cv2.imread("/path.jpg")
target_size = (64,64)

dst = cv2.resize(src, target_size)

轉換為一維向量：

dst = dst.reshape(target_size.shape[0] * target_size.shape[1])

Answer 2

在開始編碼之前，您必須確定哪些功能可用於此任務：

最簡單的方法是嘗試@Jordan答案中的方法，然后將整個圖像轉換為特征。 之所以可行，是因為這些類是簡單的模式，如果您使用的是KNN，那么這很有趣。 如果此方法無法正常運行，則以下步驟說明了如何解決該問題。

1. 黑色像素的數量可能無濟於事，因為星形和五邊形的大小可能會有所不同。
2. 尖角的數量很有可能會有用。
3. 直線段的數量可能有用，但是由於形狀是手繪的，因此可能不可靠。

假設您想嘗試使用拐角數作為特征，可以參考此頁面以學習如何提取拐角。