If using with color/multichannel images, specify `channel_axis`

已于 2023-06-21 14:49:31 修改
阅读量544 收藏 2
点赞数
分类专栏： 问题解决 文章标签： python
于 2022-04-10 13:49:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sky_learn/article/details/124077029
版权

使用skimage.feature.hog报错，代码为：

fd, hog_image = feature.hog(img, orientations=9, pixels_per_cell=(16, 16),cells_per_block=(2, 2), visualize=True)

报错为：

ValueError: Only images with two spatial dimensions are supported. If using with color/multichannel images, specify `channel_axis`.

解决方法1：

需要增加参数，加参数：

fd, hog_image = feature.hog(img, orientations=9, pixels_per_cell=(16, 16),cells_per_block=(2, 2), visualize=True, channel_axis=2)

解决方法2：

将scikit-image版本降低。原版本为：scikit-image==0.19.2，降低后为：scikit-image==0.17.2

sky_learn
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
ctex.rar_CTEX_Dominant Colors _inclusion_multichannel images_pro
07-15
In this project, we intend to segment natural images by combing colour and texture information. For this we will be using an unsupervised image segmentation framework (referred to as CTex) that is based on the adaptive inclusion of color and texture in the process of data partition. It is new formulation for the extraction of color features that will evaluate the input image in a multispace color representation. To achieve this, we will be using the opponent characteristics of the RGB and YIQ color spaces where the key component will be the inclusion of the Self Organizing Map (SOM) network in the computation of the dominant colors and estimation of the optimal number of clusters in the image. The texture features will be computed using a multichannel texture decomposition scheme based on Gabor filtering.
远程服务器跑matlab代码-multichannel_sorting:multichannel_sorting
05-21
远程服务器运行matlab代码安装： 在终端中，导航到要存储多通道代码的文件夹。 在这些说明中，此文件夹的路径称为<multichannel> 获取所有代码： git clone https://github.com/LBHB/multichannel_sorting.git cd multichannel_sorting git submodule init git submodule update pip install pyaml # SVD: may be necessary 为phy设置python环境，确保您仍在multichannel_sorting文件夹中，然后运行： conda env create -n phy source activate phy pip install -e ./phy pip install -e ./phy-contrib 如果要使CellTypes插件（FS / RS分类）正常工作，则必须确保在phy环境中安装了sklearn。 为此，仍在物理环境中，运行： pip install sklearn 要将LBHB
mmp.rar_matching pursuit_mmp?_multichannel_pursuit_pursuit algor
07-14
multichannel matching pursuit algorithm
一个挑战 ViT，MLP-Mixer 的新模型 ConvMixer：Patches Are All You Need? [Under Review ICLR 2022]
u014546828的博客
10-09 2068
Convolutions Attention MLPs Patches are All Your Need? [OpenReview] [GitHub​​​​​​​] 本文看点： 1. 本文原文非常短，只有 4 页多一点，整个模型也很简单，但它 挑战了 ViT 有效性的原因。 2. 总结了最近特别火的 ViT，MLP-Mixer，ResMLP 等新构架之所以效果很好的共性。 特斯拉 AI 高级总监 Andrej Karpathy 在推特上感叹道：我被新的 ConvMixer 架构震撼了。【（包括下
记录跑代码的日常（debug一下module ‘skimage.measure‘ has no attribute ‘compare_ssim‘）
weixin_63106931的博客
10-23 257
skimage版本为0.21.0，太新了，会报错module 'skimage.measure' has no attribute 'compare_ssim'即加了一个channel_axis=2。测试GridDehazeNet代码。
ValueError: Only images with 2 spatial dimensions are supported. If using with color/multichannel im
土豆大叔的博客
04-06 3430
skimage库 HOG报错问题描述解决方法 问题描述 我的Python代码为： des, hog_image = hog(img, orientations=8, pixels_per_cell=(16, 16), cells_per_block=(1, 1), visualize=True, multichannel=True) 此时我的 img 的shape 为 (150, 150) 然后当我在使用 skimage库中的hog时，报了如下错误： ValueError: Only images wit
CV17 HOG特征提取算法
yzfzzz的博客
04-15 2571
Hog（Histograms of Oriented Gradients，又称方向梯度直方图）概念出自于一篇2005年CVPR论文(Author:Navneet Dalal、Bill Triggs)，内容为：使用HOG+SVM做行人检测 由于它的巨大成功和可靠性，HOG 已成为计算机视觉中应用最广泛的目标检测算法之一
win_size exceeds image extent. Either ensure that your images are at least 7x7； or pass win_size ex
m0_74982304的博客
05-13 9179
在进行超分辨率重建后想计算SSIM和PSNR，最开始发现导入compare_psnr,compare_ssim居然报错了，上网一查发现版本更新换成了structural_similarity和peak_signal_noise_ratio。好家伙，这么一大段话，我估计 multichannel=True也已经不用了，报错中说。
python scikit-image库 HOG提取特征（参数解释）
Friedrichor的博客
12-08 8402
python scikit-image库 HOG提取特征 函数定义： hog(image, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(3, 3), block_norm='L2-Hys', visualize=False, transform_sqrt=False, feature_vector=True, multichannel=None, *, channel_axis=None) 参数解释
用skimage里的函数计算彩色图像SSIM时，明明设置multichannel=True却还是报错ValueError: win_size exceeds image extent.
热门推荐
xwyljt的博客
04-25 1万+
用skimage里的函数计算彩色图像SSIM时，明明设置multichannel=True却还是报错:ValueError: win_size exceeds image extent. If the input is a multichannel (color) image, set multichannel=True.
python图像处理——skimage包
09-13
skimage包skimage包skimage包skimage包skimage包skimage包skimage包skimage包skimage包skimage包skimage包skimage包skimage包
matlab_codes.rar_cardiograph_electro-optic_matlab multichannel
09-21
we had to display the output of a multichannel ecg (electro cardiograph) device.... tiled vertical:. vertical aligned:. autoscaled x-axis. the
Coherence_matlab_Coherence_multichannel_
09-29
calculate two channel data amplitude and do AAC
plot_surface报错 ValueError: Argument Z must be 2-dimensional.
Xiangdongfudan的博客
12-04 1314
plot_surface报错 ValueError: Argument Z must be 2-dimensional.
torchtext—ValueError: Fan in and fan out can not be computed for tensor with fewer than 2 dimensions
七月听雪的博客
08-31 5463
vectors.unk_init = init.xavier_uniform_ # 没有命中的token的初始化方式 TEXT.build_vocab(train, min_freq=5, vectors=vectors) 我的pytorch是1.1.0，torchtext是0.4.0。一运行到这两句就会报错。其实ValueError: Fan in and fan out can n...
多标签分类问题：ValueError: logits and labels must have the same shape ((None, 2) vs (None, 1))
weixin_40745221的博客
10-07 3001
shape ((None, 2) vs (None, 1))
ValueError: Dimension 0 in both shapes must be equal
qq_45504119的博客
05-21 2686
今天重新训练yolo的时候出现了这个报错 ValueError: Dimension 0 in both shapes must be equal, but are 1 and 21. Shapes are [1,1,1024,24] and [21,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,24], [21,1024,1,1]. 一般情况就是class中的数量对不上 可是我class中只有两类，肯定没
解决一个维度转换得问题：ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got ar
特别的猫
12-02 8889
ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (1, 512, 512) 解决方案： test_img = cv2.cvtColor(test_img, cv2.COLOR_GRAY2BGR) 出现问题原因： 彩色图和灰度图之间得通道数问题 ...
【hackmyvm】Slowman靶机
最新发布
woshicainiao666的博客
05-20 382
发现/secretLOGIN/login.html为登录地址，根据账号密码登录发现一个zip，但是需要密码。在FTP中得到的账号，爆破一下SSH。上传linpeas.sh文件，报一下。SSH爆破无果，试试mysql。得到用户名和加密的密码。
上述代码在运行中报错：ValueError: Only images with two spatial dimensions are supported. If using with color/multichannel images, specify `channel_axis`.，试修改之
07-15
抱歉，我之前的代码忽略了图像的通道信息。在使用 `feature.hog` 函数进行特征提取时，如果图像是多通道的（例如RGB图像），需要明确指定 `channel_axis` 参数。以下是修改后的代码： ```python import os import numpy as np from sklearn.model_selection import train_test_split from sklearn.svm import SVC from sklearn.metrics import accuracy_score from skimage import feature from skimage.io import imread # 读取不戴口罩的照片 X_unmasked = [] y_unmasked = [] unmasked_folder = "X_processed" for folder_name in os.listdir(unmasked_folder): if folder_name.startswith("s"): folder_path = os.path.join(unmasked_folder, folder_name) for file_name in os.listdir(folder_path): image_path = os.path.join(folder_path, file_name) image = imread(image_path) # 使用 skimage.io.imread 读取照片 x_feature = feature.hog(image, orientations=8, pixels_per_cell=(10, 10), cells_per_block=(1, 1), visualize=False, multichannel=True) X_unmasked.append(x_feature) y_unmasked.append(0) # 不戴口罩类别标签为0 # 读取戴口罩的照片 X_masked = [] y_masked = [] masked_folder = "X_masked" for folder_name in os.listdir(masked_folder): if folder_name.startswith("s"): folder_path = os.path.join(masked_folder, folder_name) for file_name in os.listdir(folder_path): image_path = os.path.join(folder_path, file_name) image = imread(image_path) # 使用 skimage.io.imread 读取照片 x_feature = feature.hog(image, orientations=8, pixels_per_cell=(10, 10), cells_per_block=(1, 1), visualize=False, multichannel=True) X_masked.append(x_feature) y_masked.append(1) # 戴口罩类别标签为1 # 将特征和标签转换为NumPy数组 X = np.concatenate([X_unmasked, X_masked]) y = np.concatenate([y_unmasked, y_masked]) # 分割训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建并拟合支持向量机模型 svm_model = SVC() svm_model.fit(X_train, y_train) # 在测试集上进行预测 y_pred = svm_model.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) # 输出准确率 print("准确率:", accuracy) ``` 在修改后的代码中，我使用了 `skimage.io.imread` 函数来读取照片，并在调用 `feature.hog` 函数时，设置了 `multichannel=True` 参数来指示图像是多通道的。这样可以确保 `feature.hog` 函数正确处理多通道图像。 请注意，你可能需要在运行代码之前确保已安装所需的库。你可以使用 `pip` 命令来安装缺少的库，例如 `pip install scikit-image`。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值