将图像背景设为白色答案

【问题标题】：Making background of the image white将图像背景设为白色
【发布时间】：2015-07-28 04:32:58
【问题描述】：

我有几张这样的图像，并尝试使用Neural Networks 和GIST 作为特征来识别对象。我的数据集有 50 个类和每个类 4 个图像。使用 75% 的图像作为训练数据，我得到了 83% 的测试准确率

为了提高准确性，我想对图像进行预处理，即我想让背景透明或白色，同时保留原始对象。我一直在尝试cv2.BackgroundSubtractorMOG2()，但它使整个图像变灰。

预处理此图像的最佳方法是什么？

【问题讨论】：

如果您自己拍照，为什么不准备不同颜色背景的照片呢？您是否还通过输入旋转 90、180 和 270 度的图像来增加训练数据？通过旋转它们并使用旋转的，网络最终可以更好地泛化。如果您突然收到一张带有绿色背景的图像，并且您的背景减法去除了一些盖子等，我只是看到了一个问题
可能对背景减法有用：docs.opencv.org/trunk/d1/dc5/…
你在训练自己的神经网络吗？我建议使用像 caffe 这样的预训练的。您不必担心 NN 的背景颜色。

【解决方案1】：

您可以尝试使用GrabCut 算法来解决这个问题。由于您知道对象大致位于中心，您可以尝试构建对象的颜色分布并从图像的边界收集背景样本。

【讨论】：

【解决方案2】：

您可能想尝试提取轮廓以在图像中找到对象。然后，您可以只提取最大轮廓内的那部分图像，并假设那是您的对象。

【讨论】：

【解决方案3】：

对于图像预处理，没有一个最佳答案。可以做很多事情来增加你的训练集/提高分类准确性。如果您正在使用神经网络（尤其是自己训练它们），那么您需要尽可能地扩充您的数据以达到最有效的效果。您可以为图像预处理/训练集数据增强做一些可能的技术：

由于每个类只有 4 张图像，这不足以进行训练，除非您希望能够分类的图像与您的训练集中的图像非常相似，因此您想将这 4 张图像（3如果您将 75% 用于训练）到 12 之类的用于训练。

但是对于测试，需要注意的重要一点是图像的形状很重要。因此，如果您的网络需要 50x50 像素的图像，而您的原始图像是 100x50，那么您有多种选择如何将图像重新整形为 50x50，包括直接变形、从中间裁剪 50x50 区域、用黑色填充图像像素到 100x100 然后重新缩放等。

【讨论】：