识别数据集中的模式答案

【问题标题】：Recognizing patterns in a data set识别数据集中的模式
【发布时间】：2019-03-21 19:54:27
【问题描述】：

我有一个庞大的图像数据集，我想对其进行排序。许多图像只是我不需要的随机噪声，但其中一些包含我想进一步处理的模式。

这是一个例子：

在这里，图案看起来像线条。哪些可能我必须只保留包含某种模式的图片？

【问题讨论】：

有哪些可能性？通过处理我会说的图像。希望这能回答你的问题。 （提示：这是一个非常模糊的不完整问题 IMO）。更严重的是，拿起 PIL 或其他图像处理库并开始破解。
对它们使用一组（线性）过滤器并过滤那些尝试过任何响应的过滤器？
@Torxed 有没有办法测量图像中的信息以找出这些图像中的哪些包含结构？与带有图案的图像相比，纯噪声应该具有更少的信息。还是我错了？
您很可能正在寻找颜色值的平均比较等。但是如果您要我向您展示它是如何完成的。我回到开始，当您遇到问题时，我们可以提供帮助。这里通常不建议对整个解决方案进行编码或推荐库。就目前而言，这个问题太宽泛了。
霍夫变换是一种在图像中寻找直线的好方法。

标签： python classification image-recognition

【解决方案1】：

您有一个分类问题（结构与噪声）。正如一些人在 cmets 中所说，这是一个非常模糊和广泛的问题，就像图像处理或模式识别课程中的入门问题一样。不过，我将尝试解释这是如何工作的，假设您没有这些主题的背景。

首先，您需要从图像中获取一些特征或参数，然后确定这些特征的值与噪声图像和结构化图像的关系。

实际上，您需要读取图像文件并将其转换为值，以便对其进行处理并尝试分类方法。

这是一个可行或不可行的示例：

如您提供的图像所示，您的图像是黑白的，假设导入它们后，它们的值从 0（黑色）到 255（白色）。假设它们是 40 x 40 像素，我能想到的一个简单特征是像素值的平均值。

我看到图案是白线，所以我会说这些图像的平均值会高于没有白色像素的噪声图像的平均值。然后，您会发现噪声图像的平均值可以是例如 [110, 100, 112, 98]，而带有图案的图像的平均值可以是 [130, 135, 125, 131]。如果是这种情况，您可以使用阈值作为分类方法。例如，如果平均值大于 125，则认为图像包含图案，否则为噪点。

如果使用平均值不足以区分类别，您应该使用更精细的特征，在这种情况下，您需要使用一些图像处理、机器学习或任何其他可以满足您要求的方法

【讨论】：