Extrahieren von Attributen aus Bildern mit Scikit-Image
Ich habe scikit-image verwendet, um Road-Features mit einigem Erfolg zu klassifizieren. Siehe unten: 
. Ich habe Schwierigkeiten, den nächsten Schritt zu tun, um die Features zu klassifizieren. Nehmen wir an, diese Features befinden sich in der Box (600, 800) und (1400, 600).
Der Code, den ich zum Extrahieren der Informationen verwende, ist:
%Vor%Ziel ist es, eine Tabelle in der folgenden Form zu haben:
%Vor% feature_type würde auf Farben basieren, im Idealfall wäre Schultern eine Farbe, Bäume und Pinsel wären andere, usw.
Wie kann ich die Daten extrahieren, die ich brauche? (Das heißt: Lassen Sie scikit das Bild in verschiedene Komponenten zerlegen, wo ich die Position jeder Komponente kenne. Ich kann dann jede Komponente an einen Klassifizierer übergeben, der die einzelnen Komponenten identifiziert) Danke!
1 Antwort
Es ist das erste Mal, dass ich dieses Paket versuche .. Ich habe es mit einem einfacheren Bild versucht und bekomme mehr oder weniger die richtigen Ergebnisse:
Ausgabe:
%Vor%Beachten Sie, dass das am weitesten rechts liegende Pixel nicht genau das ist, was ich wegen des Farbverlaufs meine. Das letzte Segment ist der weiße Hintergrund.
Ich habe es mit Ihrem Bild versucht, aber ich denke, Sie müssen die Segmentierung richtig machen. Ich würde n_segments = 7 verwenden, wenn Sie die 6 Bilder + Hintergrund erhalten möchten.
Ich sehe auch in der Dokumentation über die Kompaktheit: "Dieser Parameter hängt stark vom Bildkontrast und von den Formen der Objekte im Bild ab." Was Sie wollen, könnte schwierig sein.
Wenn Sie die sechs Bilder auf dem Bild darstellen, das Sie oben zeigen, warum erhalten Sie diese Koordinaten nicht, wenn Sie die Bilder plotten, anstatt eine Segmentierung auf das Endergebnis anzuwenden?
Tags und Links python computer-vision machine-learning scikit-learn scikit-image