构建特征矩阵和标签向量：

Question

我有一个数据集“数字”。该数据集包括 1797 个小图像（8x8 像素），每个图像都包含一个手写数字（0-9）。每个图像都被视为以像素为特征的数据样本。因此，要构建特征表，您必须将每个 8x8 图像转换为特征矩阵的行，其中 64 个特征列对应 64 个像素。如何为其构建特征矩阵和标签向量？？？

Answer 1

您可以按照关于监督学习的 scikit-learn 教程进行操作，他们使用的是 Digit 数据集

http://scikit-learn.org/stable/tutorial/basic/tutorial.html#loading-an-example-dataset

更多细节here。如果按照示例加载数据集，则可以简单地重塑图像：

from sklearn import datasets
digits = datasets.load_digits()
# To apply a 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))

这使得data 成为一个二维矩阵，具有n_samples 行和尽可能多的列以适应展平图像。

Answer 2

如果您使用的是numpy 和cv2，您可以执行以下操作：

import numpy as np
import cv2

fname = "image1.jpg"
image = cv2.imread(fname)                    #  (8, 8, 1)

feature = image.reshape(64)                #  (64,)

要读取一堆图像并加载到“特征矩阵”（numpy 数组）中，您可以执行以下操作：

N = 10 # number of images
data = np.zeros((N, 64))

for index in range(N):

    # get the current image and convert to feature, as above

    data[index] = np.copy(feature)

您的数据矩阵的每一行现在都是一个示例（64 个暗淡的特征列表）。

这有帮助吗？

标签向量可以只是一个一维numpy数组，即labels = np.zeros(N)

编辑：

有多种读取图像的方法：

(1)img = cv2.imread(filename)

(2) 使用matplotlib：

import matplotlib.image as mpimg
img = mpimg.imread(filename)

(3) 使用 PIL（或 PILLOW）：

from PIL import Image
img = Image.open(filename)

在读取图像后检查图像的形状是值得的，这样您就知道它处于适合您的应用程序的正确通道、宽度、高度顺序。