将输入的 JPG 图像转换为 scikit learn SVM 分类器答案

【问题标题】：Converting JPG images for input to scikit learn SVM classifier将输入的 JPG 图像转换为 scikit learn SVM 分类器
【发布时间】：2014-02-09 04:39:21
【问题描述】：

我有一堆训练图像（.jpg 格式），我想将它们作为训练输入提供给 scikit learn 的 SVM 分类器。知道这样做的首选方法是什么吗？

例如，在the example here 中，图像数据是从预定义的集合中加载的，并在以下步骤中转换为 SVM 分类器可以理解的格式。

# The digits dataset
digits = datasets.load_digits()

# To apply an classifier on this data, we need to flatten the image, to
# turn the data in a (samples, feature) matrix:
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))

我的问题是，如果我有自己的图像集作为训练集加载到 SVM 分类器，我应该如何将这些图像转换为分类器能够理解的格式。

我在 OS-X (Mavericks) 上开发，但我将在 Linux (Ubuntu) 上运行实际代码

谢谢

【问题讨论】：

你想要shell脚本吗？ Python 脚本？你的操作系统是什么？
我不想要 shell 脚本。我在 OS-X (Mavericks) 上用 python 编码。

标签： python machine-learning svm scikit-learn

【解决方案1】：

你可以使用 DeCAF / nolearn / convnet 来完成这个任务。示例见this page。

【讨论】：

链接已失效。

【解决方案2】：

为什么不使用标准的 Python 库来处理图像，比如 PIL 或者它的 fork Pillow。从中获取 numpy 字节数组应该很简单。

至于特征提取，我猜 Thorsten 有更好的工具。

【讨论】：

哦，好吧，我没有意识到阅读过程已经成为您关心的问题。最初的问题不知何故不清楚。因此，我建议将@jb 的答案和我的答案结合起来。