本文探讨了在Matlab中进行图像识别时的预处理步骤，包括灰度化、尺寸调整、图像锐化等方法。作者指出，虽然预处理能帮助提取特征，但在某些情况下可能造成信息丢失。在实验中，选择不进行图形学预处理，直接通过卷积池化获取特征。文章以28x28图像为例，使用20个99的卷积过滤器和平均池化，讨论了网络参数的选择和训练过程。最后预告下节将分享具体代码实现。
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
最低0.47元/天 解锁文章
3909
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
