这节实现图像的预处理。
在最开始的时候,我们仅仅是把图像进行灰度化,并为了训练效率,强行缩小了图像,导致损失了许多图像信息,实际上,有更多的方法来保存这些信息。
现在流行的图像预处理算法非常多,例如图像反转,灰度线性变换,非线性变换,直方图均衡化,线性平滑滤波器,中值滤波器,Sobel算子和拉普拉斯对图像锐化,梯度算子检测边缘,LOG算子检测边缘,Canny算子检测边缘,边界跟踪(bwtraceboundary函数),Hough变换,直方图阈值法,自动阈值法:Otsu法,膨胀操作,腐蚀操作,开启和闭合操作,开启和闭合组合操作,形态学边界提取等等。
例如对于车牌识别或者指纹检测,我们可以使用图像锐化的方法,这样更容易提取出特征,但是对于一般图像检测的话,锐化可能导致信息丢失,究竟用什么预处理方法,最好的方法就是挨个试一下,哪个有用就用哪个。
说实在的,既然把图像都压缩到60*80大小了,而且还不能变大,变大那么运算力就会吃紧,导致丢失大量信息,另外就是图片也是灰度化的,完全丢失了颜色信息,任何要增加信息量的方法都必然会使运算负担加重,导致图像预处理也就是并没有太大作用了,锐化了的图像就一定能比不锐化的图像识别的更成功吗?不一定,但是可以预见的是,即便是精度有损失,也不一定会损失多少。
因此,我的结论是,对图像不进行图形学上的预处理,直接进行卷积池化获得特征。
在一开始