如何在python中从非重叠块大小为32×32的图像中提取24维颜色直方图特征向量
如何在python中从非重叠块大小为32×32的图像中提取24维颜色直方图特征向量
提问于 2018-10-18 00:25:32
我希望读取具有32 x 32个非重叠补丁的图像，并且对于每个补丁，应该用R，G，B值表示，8+8+8 = 24维的特征向量。
回答 1
Stack Overflow用户
发布于 2018-10-18 06:24:52
我假设每个补丁需要三个8-bin直方图，每个颜色通道一个直方图。如果您的图像数据是uint8，那么我们可以通过右移位5位来获得每个像素的适当的二进制索引。实际的组织图可以使用np.bincount +一些温和的技巧来完成，以解决其仅为一维的问题。
这本质上是一行代码。下面的大部分代码都是用来处理非32倍图像维度的。
import numpy as np
def histo24(img):
h, w, c = img.shape
assert c == 3
assert img.dtype == np.uint8
# pad
H, W = (h+31)>>5, (w+31)>>5
patches = np.zeros((H, 32, W, 32, 3), np.uint8)
patches.reshape(H<<5, W<<5, 3)[:h, :w] = img>>5
# the next line is the actual histogramming
histo = np.bincount(
(patches + np.arange(0, H*W*24, 8).reshape(H, 1, W, 1, 3)).ravel(),
minlength=H*W*24).reshape(H, W, 24)
# subtract padded zeros from zero bins at the right and bottom edges
if h & 31:
histo[-1, :, ::8] -= (31&-h)<<5
if w & 31:
histo[:, -1, ::8] -= (31&-w)<<5
if h & 31:
histo[-1, -1, ::8] += (31&-h)*(31&-w)
return histo示例：
代码示例：
def visualize(histo):
h, w, c = histo.shape
assert c == 24
vis = np.zeros((h, 32, w, 32, 3), np.uint8)
idx = np.arange(28)[None, :, None]
for c in range(3):
bnds = (histo[..., c<<3:(c+1)<<3].cumsum(axis=-1)*(28/1024)).astype(np.uint8)[..., ::-1]
for j in range(1, 8):
view = vis[:, 2:-2, :, 7*c+6:7*c+12, c]
view[..., 0][(idx >= bnds[:, None, :, j]) &
(idx < bnds[:, None, :, j - 1])] = (j<<5)|16
view[..., 1:] = view[..., :1]
return vis.reshape(h<<5, w<<5, 3)
from scipy.misc import face
import Image
exmpl = face()
histo = histo24(exmpl)
Image.fromarray(exmpl).show()
#Image.fromarray(exmpl>>5<<5).show()
Image.fromarray(visualize(histo)).show()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/52859513
复制相关文章
相似问题