支持向量机(SVM)对特定图片中玻璃与非玻璃区域进行分类识别的实例
标题:通过机器学习的方式对图片中玻璃与非玻璃区域进行识别分类
前提:
- 在图片中(如下图),根据启发式信息(不理解“启发式信息”不要紧,关键是后面的结论):玻璃区域是平滑的,非玻璃区域是非平滑的。
- 上面一点提到的启发式信息,在图像的频率谱中就可以得到充分地体现,我们知道在经过中心化后的频率谱中,低频(高能量)位于频率谱的中心区域,高频(低能量)位于频率谱的四周。又因为在图像平滑中我们会对图像进行滤波,去除图像地高频部分(高频反映地是图像地细节)。故可以得出结论:对于平滑区域,频率谱中低频更多、对于高频区域,频率谱中高频更多。这个结论就为我们对图像中玻璃与非玻璃区域区分提供了前提。
- 因为要使用到频率谱。故:了解或理解,二维离散傅里叶变换就行
- 分类算法:机器学习里的支持向量机(SVM),机器学习的框架用的sklearn
实验步骤:
1、对完整图像进行分块
- 选取一块图像
- 对图像进行切块,分成16*16的