이것은 완전한 대답은 아니지만 tif에 이미지가 여러 개인 경우 미리 크기를 알고 있으면 분류하기 전에 이미지 샘플을 표준화 할 수 있습니다. tif에서 가능한 모든 사각형으로 이미지를 자릅니다.
그래서 분류자를 만들 때 (여기서는이 방법을 언급하지 않습니다) 최종 결과는 모든 작은 사각형을 분류하는 합성을 취합니다.
tif가 주어지면 '화살표'또는 '꽃'이미지는 16x16 픽셀이며, 예를 들어 Python PIL을 사용하여 샘플을 만들 수 있습니다.
from PIL import Image
image_samples = []
im = Image.open("input.tif")
sample_dimensions = (16,16)
for box in get_all_corner_combinations(im, sample_dimensions):
image_samples.append(im.crop(box))
classifier = YourClassifier()
classifications = []
for sample in image_samples:
classifications.append (classifier (sample))
label = fuse_classifications (classifications)
다시 말하지만, 사실은 YourClassifier
를 작성하는 학습 단계에 대해 이야기하지 않았다. 그러나 이것이 문제의 일부를 배치하는 데 도움이되기를 바랍니다.
이미지를 분류하고 이미지를 분류하기 전에 이미지에서 노이즈를 정리하는 작업에 대한 연구가 많이 있습니다.
기존 Python 기계 학습 라이브러리의 멋진 모음을 탐색 해보십시오.
http://scipy-lectures.github.com/advanced/scikit-learn/index.html
뿐만 아니라 이미지와 관련된 많은 기술이 있습니다.
http://code.google.com/p/pytesser/를 보셨습니까? –
이미지 안의 아이콘이나 텍스트 만 인식합니까? 당신이 아는 한 그것을 훈련시키는 방법이 있습니까? – KingBOB
그림 뒤에 배경이 있습니까? 방향, 크기 또는 색이 바뀌나요? 우리가 더 많은 정보를 얻으면 우리가 도울 수 있습니다. – P2bM