我试图实现ZCA 美白并找到了一些文章来做，但它们有点令人困惑.. 有人可以为我发光吗？

任何提示或帮助表示赞赏！

这是我读过的文章：

http://courses.media.mit.edu/2010fall/mas622j/whiten.pdf http://bbabenko.tumblr.com/post/86756017649/learning-low-level-vision-feautres-in-10-lines-of

我尝试了几件事，但其中大多数我不明白，我在某个步骤被锁定了。现在我有这个作为重新开始的基础：

我正在尝试zero-center和whiten CIFAR10数据集，但我得到的结果看起来像随机噪声！
Cifar10数据集包含60,000大小为 的彩色图像32x32。训练集包含图像50,000，测试集包含10,000图像。
以下代码片段显示了我为使数据集变白所做的过程：

输出：

并尝试显示生成的图像：

顺便说一句，但是data_train[0].shape如果(3,32,32)我根据我得到的重塑白化图像

这可能只是一个可视化问题吗？如果是这样，我怎样才能确保是这样？

更新：
感谢@AndrasDeak，我以这种方式修复了可视化代码，但输出看起来仍然是随机的：

更新 2：
这是我在运行下面给出的一些命令时得到的：如下所示，toimage 可以很好地显示图像，但试图重塑它会弄乱图像。

由于某种奇怪的原因，这是我一开始得到的，但经过几次尝试，它变成了以前的图像。

我正在使用 Keras（2.0.0 版），我想使用预训练模型，例如 VGG16。为了开始，我运行了 [Keras 文档站点][ https://keras.io/applications/]的示例，用于使用 VGG16 提取特征：

使用的preprocess_input()函数让我感到困扰（该函数通过查看源代码可以看到平均像素以零为中心）。

在使用经过训练的模型之前，我真的需要预处理输入数据（验证/测试数据）吗？

a) 如果是，可以得出结论，您必须始终了解在训练阶段执行了哪些预处理步骤？！

b) 如果不是：验证/测试数据的预处理是否会导致偏差？

我感谢您的帮助。

l 有66类字符。l 训练了一个多层感知器，向它输入图像，每个图像的类别是一个字符

Aa..Zz 0-9 ,;:! è à ~

l 应用 aLabelBinarizer将每个字符转换为 66 个类的向量（例如[0 0 0 0 ....1 ...... 0]），因为模型不接受非数字数据。我很惊讶地得到y_test（错误的）和y_train（正确的 66）的维度 61。我的代码有什么问题？

**

**

x_test

y_train

y_test

当 l 应用LabelBinazerl 得到y_test维度(732,61)而不是(732,66) 66 时，表示类的数量：

(1708, 66)

(732, 61) #为什么我得到的是 61 而不是 66

按照建议进行更改后

编辑2：

我收到以下错误：

EDIT3： 我的 jupyter 代码：

我目前正在从事一个涉及使用 Tess4j Tesseract OCR 引擎的项目。在从事这个项目的过程中，我访问了很多网站，这些网站声称 Tesseract 在至少 300 DPI（每英寸点数）的图像上效果最好。

我的问题是为什么 DPI 被多次提到图像。我了解，当您扫描对象时，您希望以至少 300 DPI 进行扫描。我只是不明白为什么这与用相机拍摄的照片有关。据我所知，DPI 是打印机的属性。基于此属性，它越高，图像越小，但质量越高。

现在，如果 DPI 与这些图像无关，那么我想知道为什么当我在 72 和 300 之间更改图像的 DPI 属性时程序的结果会有所不同。是否有我不知道的 Tesseract 预处理？

我正在使用 Keras 2.0.0，我想在 GPU 上训练一个具有大量参数的深度模型。由于我的数据很大，我必须使用ImageDataGenerator. 老实说，我想ImageDataGenerator在这个意义上滥用，我不想执行任何增强。我只想将我的训练图像成批（并重新调整它们），这样我就可以将它们提供给model.fit_generator.

我从这里修改了代码，并根据我的数据做了一些小的改动（即将二进制分类改为分类。但这对于应该在这里讨论的这个问题无关紧要）。我有 15000 张火车图像，我想要执行的唯一“增强”是将范围 [0,1] 重新缩放到train_datagen = ImageDataGenerator(rescale=1./255). 创建我的 'train_generator' 后：

我通过使用来拟合模型model.fit_generator()。

我将时期的数量设置为：epochs = 1 并将 batch_size 设置为：batch_size = 60

我希望在存储我的增强（即调整大小）图像的目录中看到：每个时期 15.000 个重新缩放的图像，即只有一个时期：15.000 个重新缩放的图像。但是，神秘的是，有 15.250 张图像。

有这么多图像的原因吗？我是否有权控制增强图像的数量？

类似的问题：

模型 fit_generator 未按预期提取数据样本（分别在 stackoverflow：Keras - How are batches and epochs used in fit_generator()?）

为 ImageNet 等大型数据集使用数据生成器的具体示例

我感谢您的帮助。

我在 OpenCV 中使用高斯核进行图像增强，具有 250% 的放大率：

但仍然没有给出很好的结果。我应该做哪些其他预处理来提高准确性？我正在使用ocr.space作为工具。

一些例子：

英语语言：

• 它错误地将 KIHC US检测为KI-IC US

英语语言：

• 它错误地将HRL US检测为HRI-US （倒数第二行）

英语语言：

• 它没有检测到BN FP

英语语言：

• 它错误地将HPQ US检测为I-IPQ US（但在下一行的 HEN3 GR 中正确检测到 H）
• 它错误地将 LALAB MM检测为I-ALAB MM
• 它没有检测到RB/LN

我正在我的大学从事图像预处理项目，并使用图像魔法脚本来清理图像背景。现在我想通过 Magick++（用于 imageMagick 的 c++ api）获得相同的输出。

ImageMagick 命令：“转换-尊重括号（INPUT_IMAGE.jpg -colorspace gray -contrast-stretch 0）（-clone 0 -colorspace gray -negate -lat 25x25+30% -contrast-stretch 0）-compose copy_opacity -composite -fill白色 - 不透明 无 -alpha 关闭 - 背景 白色 OUTPUT_IMAGE.jpg"

我试图将此代码转换为 Magick++ 代码，但在“-lat”、“-contrast-stretch”和“-compose”位置失败。

到目前为止，这是我的 C++ 代码：

如果有人有想法或更好的解决方案，请告诉我。提前谢谢。

我面临以下问题tf.image.central_crop()

哪个输出

该central_crop()函数似乎丢失了有关图像张量的高度和宽度的信息。为什么会这样？

现在我正在练习将自己的图像数据转换为 tensorflow 的 TFRrcords。我对 tensorflow 非常陌生，所以我只是修改了从 Github 获得的 build_image_data.py。

这是原始代码的一些部分：

我将它们替换为：

但我收到如下错误：

有人可以帮助我，拜托。

谢谢。