问题标签 [scikit-image]

在 numpy 或 scikit-image 模块中，我如何查看二进制图像是几乎全黑还是全白？

我考虑过numpy.all功能，numpy.any但我不知道全黑图像和几乎全黑的图像如何。

我写了一个小脚本，将黑板的图片转换成可以打印和标记的形式。

我拍了这样一张照片：

自动裁剪它，并对其进行二值化。这是脚本的输出：

我想从图像中删除最大的连接黑色区域。有没有一种简单的方法可以做到这一点？

我在考虑腐蚀图像以消除文本，然后从原始二值化图像中减去腐蚀图像，但我不禁想到有更合适的方法。

给定一条线，我想快速创建一个由该线分隔的两个区域的二值图像。我这样做是

func(i) 是

并且pix_arr是一些 2D numpy 数组。是直线方程中的斜率和常数m。c

我得到输出，例如

有没有更快的方法来做到这一点？

有没有一种使用 D50 sRGB 在 Python3 中将 RGB 转换为 LAB 的快速方法？

Python-Colormath太慢了

skimage使用 D65

因为这是一种非常普遍的做法......我想知道 matplotlib 是否等同于 scikit-image 中的这个函数？

直接将RGB文件读取为灰度？

我需要使用 matplotlib 等效项，因为我正在使用它来绘制结果。正如我所观察到的，io.imread 读取的 ndarray 似乎与 plt.imread 读取的不等价。

谢谢！

从这个问题开始，我能够将图像的 HoG 特征放入一个可用于分类的 numpy 数组中，但是每张图像的 HoG 特征的数量是不同的。

例如，一个图像生成一个包含 2080 个元素的 HoG 特征数组，另一个生成一个包含 1744 个元素的数组，依此类推。

如何控制生成的 HoG 特征的数量？对于m个样本，我需要将一个大小为mxn的数组传递给机器学习算法，因此n需要是常数。令我惊讶的是，在提取它们的 HoG 特征之前，我已经将所有图像的大小调整为相同的大小，那么为什么会有差异呢？

我正在尝试从相当嘈杂的图像中提取单个长边界（请原谅绿色，无论如何图像都会转换为灰度）。我尝试运行各种边缘检测和阈值算法来提取边界。到目前为止，我得到的最接近的是使用与 scikit-image 捆绑的本地 Otsu 阈值：

即便如此，我仍然无法提取任何有意义的边界——当我尝试对图像使用边缘检测时，它会陷入噪声中，而噪声会被阈值处理大大放大——边界检测算法非常依赖于计算导数，因此二进制图像中的急剧过渡确实会损害它们的性能，但我认为这是必要的，因为根本没有其他方法能够区分边界。

是否有某种方法可以强制局部 Otsu 阈值在特定全局阈值下消除噪声，或者让其中一种边界提取算法忽略看起来像的东西？

还是最好根据本地 Otsu 阈值编写替换，仅在返回类似于线条的模式时应用阈值？

感谢您找到获得相关边界的正确方法的任何帮助。

我需要使用增强级联训练对 scikit-learn 中的一些图像进行分类。我想根据HoG特征进行分类。

我下面的代码改编自这个例子。

这部分代码是我唯一真正做过的事情：

其余代码来自链接上的示例：

我的问题是，这是根据 HoG 特征对图像进行分类的正确方法吗？共有 528 张图片。首先它们是 240x360。但是当我打印 的形状时img_hogs，我得到了：

有人告诉我没有要绘制的图表，因为分类会提前终止，因为特征比图像多得多。所以我将图像缩小到 20x30。

现在，当我打印 的形状时img_hogs，我得到：

但我仍然没有得到任何结果。在任何一种情况下，都绘制了轴，但图形为空。

我已经在这里粘贴了我的所有代码，以防您需要它来理解我的问题：Plotting a graph on axes but getting no results while trying to classification image based on HoG features

我的问题是：给定大约 500 张图像（加州理工学院“ Cars 2001 ”数据集），每张图像有 48 个 HoG 特征，提早终止的可能原因是什么？什么可能导致完美拟合，或者增加样本权重的问题，以及如何解决这些问题？我使用的具体算法是 SAMME，一个多类 Adaboost 分类器。我在 Anaconda 上使用 Python 2.7。

当我在数据集分类期间检查某些变量时，将n_estimators参数设置为 600，我发现：

• 离散测试错误：由 1 个项目组成，而不是由 600 个值组成的数组
• Discrete_estimator_errors：再次是一个单一的值，而不是一个包含 600 个值的数组
• real_test_errors 再次只是一项，而不是 600
• 离散估计权重：数组（[1.]）“
• n_trees_discrete 和 n_trees_real：1 而不是 600

我正在使用 scikit-image，下面显示了我在 ipython 控制台中所做的事情：

这很好用，除了查看器作为前台进程运行，这意味着在关闭查看窗口之前我无法访问 ipython shell。我喜欢这个观众；至少对于灰度图像，光标显示当前像素的灰度和索引。但我希望既能显示图像，又能在控制台中继续工作。我怎样才能最好地做到这一点？