python如何提取图片特征向量_在python中计算图像的特征向量

我正在尝试将二维高斯拟合到图像中。噪声很低，所以我试图旋转图像，使两个主轴不同时变化，算出最大值，然后计算两个维度的标准偏差。选择的武器是Python。

。

然而，我一直在寻找图像的特征向量——numpy.linalg.py假设离散的数据点。我想把这幅图像作为概率分布，取样几千点，然后根据这个分布计算特征向量，但我确信一定有一种方法可以直接从这幅图像中找到特征向量(即高斯椭圆的半长轴和半长轴)。有什么想法吗？

非常感谢：)

只是一个简短的说明，有几个工具来适应高斯图像。我唯一能想到的就是Scikits.Learn，它不是完全面向图像的，但我知道还有其他的。

准确地计算协方差矩阵的特征向量是非常昂贵的。您必须将图像的每个像素(或大的ISH随机采样)与X、Y点相关联。

基本上，你会做如下的事情：

import numpy as np

# grid is your image data, here...

grid = np.random.random((10,10))

nrows, ncols = grid.shape

i,j = np.mgrid[:nrows, :ncols]

coords = np.vstack((i.reshape(-1), j.reshape(-1), grid.reshape(-1))).T

cov = np.cov(coords)

eigvals, eigvecs = np.linalg.eigh(cov)

相反，您可以利用它是一个定期采样的图像的事实，并计