不用深度學(xué)習(xí)，怎么提取圖像特征？

以下文章來(lái)源于小白學(xué)視覺(jué) ，作者小白

圖像分類是數(shù)據(jù)科學(xué)中最熱門的領(lǐng)域之一，在本文中，我們將分享一些將圖像轉(zhuǎn)換為特征向量的技術(shù)，可以在每個(gè)分類模型中使用。

VATbox

VATbox，作為n一個(gè)我們所暗示的，涉及增值稅問(wèn)題（以及更多）的****世界的問(wèn)題之一是，我想知道有多少****是一個(gè)形象？為了簡(jiǎn)化問(wèn)題，我們將問(wèn)一個(gè)二元問(wèn)題，圖像中是否有一張****或同一圖像中有多張****？為什么不使用文本（例如TF-IDF）？為什么只使用圖像像素作為輸入？因此，有時(shí)我們沒(méi)有可靠的OCR，有時(shí)OCR花費(fèi)了我們金錢，我們不確定我們是否要使用它。.當(dāng)然，對(duì)于本文來(lái)說(shuō)，演示經(jīng)典方法從圖像中提取特征的力量。

import cv2
gray_image = cv2.imread(image_path, 0)
img = image.load_img(image_path, target_size=(self.IMG_SIZE, self.IMG_SIZE))

縮小圖像

想象一下，你們正在密切注視著圖像，可以看到附近的像素。因此，如果我們的圖像包含文本，則可以看到單詞之間和行之間的白色像素。如果我們的意圖是（至少在這種情況下）決定圖像中是否有一張****，我們可以從一定距離看圖像-這將有助于忽略圖像中的“無(wú)聊”空白。

# scale parameter – the relative size of the reduced image after the reduction.
image_width = int(gray_image.shape[1] * scale_percent)
image_height = int(gray_image.shape[0] * scale_percent)
dim = (width, height)
gray_reduced_image = cv2.resize(gray_image, dim, interpolation=cv2.INTER_NEAREST)
cv2.imshow('image', resized)
cv2.waitKey(0)

圖像的熵

我們可以這樣考慮-每個(gè)圖像的多個(gè)****或單個(gè)****之間的差異可以轉(zhuǎn)換為圖像中的信息量，因此，我們可以期望每個(gè)類別中的平均熵得分不同。

其中n是灰度級(jí)的總和（8位圖像為256），p是像素具有灰度級(jí)i的概率。

from sklearn.metrics.cluster import entropyentropy1 = entropy(gray_image)
entropy2 = entropy(gray_reduced_image)

數(shù)據(jù)庫(kù)掃描

Dbscan算法具有在圖像空間中查找密集區(qū)域并將其分配給一個(gè)群集的能力。它的最大優(yōu)點(diǎn)是它可以自行確定數(shù)據(jù)中的類數(shù)。我們將從dbscan模型創(chuàng)建3個(gè)功能：

類的數(shù)量（這里的假設(shè)是，類的數(shù)量過(guò)多將表明圖像中的****數(shù)量眾多）。

噪聲像素的數(shù)量。

模型中的輪廓分?jǐn)?shù)（輪廓分?jǐn)?shù)衡量每個(gè)像素的分類程度，我們將取所有像素的平均輪廓分?jǐn)?shù)）

from sklearn.cluster import DBSCAN
from sklearn import metrics
thr, imgage = cv2.threshold(gray_reduced_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
img_df = pd.DataFrame(img).unstack().reset_index().rename(columns={'level_0': 'y', 'level_1': 'x'})
img_df = img_df[img_df[0] == 0]X = image_df[['y', 'x']]
db = DBSCAN(eps=1, min_samples=5).fit(X)
# plt.scatter(image_df['y'], image_df['x'], c=db.labels_, s=3)
# plt.show(block=False)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_
# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
n_noise_ = list(labels).count(-1)
image_df['class'] = labels
# print('Estimated number of clusters: %d' % n_clusters_)
# print('Estimated number of noise points: %d' % n_noise_)
# print("Silhouette Coefficient: %0.3f" % 
metrics.silhouette_score(image_df, labels))features = pd.Series([n_clusters_, n_noise_, metrics.silhouette_score(image_df, labels)])

計(jì)算零點(diǎn)交叉

我們（灰度）圖像中的每個(gè)像素的值都在0到255之間（在我們的示例中，零被視為白色，而255被視為黑色）。如果要計(jì)算“零”交叉，則需要對(duì)圖像進(jìn)行閾值處理—即設(shè)置一個(gè)值，以使較高的值將分類為255（黑色），而較低的值將分類為0（白色）。在我們的案例中，我使用了Otsu閾值。在執(zhí)行圖像閾值處理之后，我們將獲得零和一作為像素，我們可以將其視為數(shù)據(jù)幀并將每一列和每一行相加：

現(xiàn)在，假設(shè)1代表文本區(qū)域（黑色像素），0代表空白區(qū)域（白色像素）?，F(xiàn)在，我們可以計(jì)算每行/列總和從任何正數(shù)變?yōu)榱愕拇螖?shù)。

img = img / 255
df = pd.DataFrame(img)pixels_sum_dim1 = (1 - img_df).sum()
pixels_sum_dim2 = (1 - img_df).T.sum()
zero_corssings1 = pixels_sum_dim1[pixels_sum_dim1 == 0].reset_index()['index'].rolling(2).apply(np.diff).dropna()
zero_corssings1 = zero_corssings1[zero_corssings1 != 1]num_zero1 = zero_corssings1.shape[0]
zero_corssings2 = pixels_sum_dim2[pixels_sum_dim2 == 0].reset_index()['index'].rolling(2).apply(np.diff).dropna()
zero_corssings2 = zero_corssings2[zero_corssings2 != 1]
num_zero2 = zero_corssings2.shape[0]features = pd.Series([num_zero1, num_zero2])

歸一化圖像直方圖

如果我們將圖像視為信號(hào)，則可以使用信號(hào)處理工具箱中的一些工具。我們將使用重新采樣的想法來(lái)創(chuàng)建更多功能。

怎么做？首先，我們需要將圖像從矩陣轉(zhuǎn)換為一維向量。其次，由于每個(gè)圖像都有不同的形狀，因此我們需要為所有圖像設(shè)置一個(gè)重采樣大小-在本例中。

使用插值，我們可以將信號(hào)表示為一個(gè)連續(xù)函數(shù)，然后我們將對(duì)其進(jìn)行重新采樣，采樣之間的間隔為

其中x表示圖像信號(hào)，C表示要重采樣的點(diǎn)數(shù)。

from scipy.signal import resample
dim1_normalized_hist = pd.Series(resample(df.sum(), 16))
dim2_normalized_hist = pd.Series(resample(df.T.sum(), 16))
print(dim1_normalized_hist)
print(dim2_normalized_hist)

DCT-離散余弦變換

離散余弦變換（DCT）用在不同頻率振蕩的余弦函數(shù)之和表示數(shù)據(jù)點(diǎn)的有限序列。DCT與DFT（離散傅立葉變換）不同，只有實(shí)部。DCT，尤其是DCT-II，通常用于信號(hào)和圖像處理，尤其是用于有損壓縮，因?yàn)樗哂袕?qiáng)大的“能量壓縮”特性。在典型的應(yīng)用中，大多數(shù)信號(hào)信息傾向于集中在DCT的幾個(gè)低頻分量中。我們可以在圖像和轉(zhuǎn)置圖像上計(jì)算DCT向量，并取前k個(gè)元素。

from scipy.fftpack import dct
dim1_dct = pd.Series(dct(df.sum())[0:8]).to_frame().T
dim2_dct = pd.Series(dct(df.T.sum())[0:8]).to_frame().T
dim1_normalize_dct = pd.Series(normalize(dim1_dct)[0].tolist())
dim2_normalize_dct = pd.Series(normalize(dim2_dct)[0].tolist())
print(dim1_normalize_dct)
print(dim2_normalize_dct)

結(jié)論

如今，CNN的使用正在增長(zhǎng)，在本文中，我們?cè)噲D解釋和演示一些以老式方式從圖像創(chuàng)建特征的經(jīng)典方法，了解圖像處理的基礎(chǔ)是一種很好的做法，因?yàn)橛袝r(shí)它更容易比將其推入網(wǎng)中更準(zhǔn)確。本文是對(duì)圖像的處理以及如何使用像素并從像素中提取知識(shí)的介紹，也許是對(duì)大腦的刺激。