MNIST 的缩小图像答案

【问题标题】：Downscale image for MNISTMNIST 的缩小图像
【发布时间】：2018-10-10 12:30:42
【问题描述】：

我正在尝试解决 Android 设备上的 MNIST 分类问题。我已经有一个训练有素的模型，现在我希望能够识别照片上的单个数字。

拍完照片后，我会进行一些预处理，然后再将图像传递给模型。这是原始图像的示例：

之后我只把它变成黑白的，所以它开始看起来像这样：

请不要注意尺寸的变化 - 是我截屏的方式介绍的，在应用中两个图像仍然具有相同的大小。

将其转换为 BW 颜色后，我提取数字的 blob，将其缩小到 20*20（考虑纵横比），然后在周围添加填充以使其适合 MNIST 28*28 大小。最终结果如下：

请注意，我放大了图像以显示问题。问题如下：在缩小很多有用的信息之后会丢失。有时数字的整个边缘都消失了。有什么办法可以避免吗？也许我可以在缩小之前以某种方式使白线变粗？

附：我使用 Catalano 框架进行图像处理。

编辑应用建议的过滤器从答案后，我得到：

【问题讨论】：

标签： java android image-processing bitmap mnist

【解决方案1】：

我不确定你提到的框架，但在这里可以有所帮助的一件事是，在进行 MNIST 样式归一化之前，对原始图像使用一些形态学操作。即，可以按如下方式进行erosion（我在python中记录了这种方法，您使用的框架中应该有类似物，因为操作非常标准）。

import numpy as np
import cv2

xx = cv2.imread('6.jpg') # your original image of 6
kernel = np.ones((20,20), np.uint8)
erosion = cv2.erode(xx, kernel, iterations = 2)

cv2.imwrite('6A.jpg',erosion) # this will be used as a replacement for the original image

这将产生类似于this 的内容。然后，如果您对新图像进行二值化（例如灰度强度 150 的阈值），并在调整大小后进行填充，您应该会得到类似 this one 的东西，它更健壮。

另请注意，在输入任何分类器之前，您需要在最后阶段（相对于其质心）集中图像。

最终结果，在 MNIST 的标准中如下（物理尺寸 28x28）。

【讨论】：

我试试看。是的，我使用的框架中存在侵蚀过滤器。我以类似的方式思考，例如，试图模糊图像。但是我不知道很多图像处理操作，而且我也是在投射到 BW 图像之后进行的（这在我的情况下使模糊变得毫无意义）。
你的例子中i.stack.imgur.com/r0KQp.png 是否仍然具有原始大小？
我的示例中的第一张图像（侵蚀后）与您的尺寸相同。第二个是 28x28 并根据 MNIST 标准归一化（适合 20x20 框，并以 28x28 中的质心为中心）。它在帖子中的物理尺寸更大，因为我从我的 python 笔记本中复制了它，而不是在磁盘上写入实际文件。我现在将原始文件的链接放在答案中。
这里应该足够的整个工作流程可能是这样的：1. 以灰度读取图像（未应用过滤器），2. 应用上述腐蚀，3. 通过以下方式对结果进行二值化使灰度强度高于 150 的所有像素为白色（= 255），低于 150 的所有像素为黑色（= 0）。 4.然后对步骤3的二值图像进行MNIST的归一化；这就是我得到最后 6 个答案的方式。
我发现侵蚀至少在完整的 BW 图像上是相反的。 IE。使它更厚。但是，有一个膨胀过滤器，它完全符合您为 BW 图像演示的功能。目前我的管道如下：以灰度读取图像；应用自适应阈值 (Bradley)；应用半径为 2 的变形；提取、添加填充、调整大小等。我还没有正确居中，但这是另一个问题。非常感谢！