使用cv2.COLOR_BGR2GRAY或color.rgb2gray作为来自skimage的生猪描述符吗？

Question

我想用SVM提取的生猪特征训练SVMskimage的猪描述符。图像具有3个通道（RGB图像），我想在提取猪的特征之前将其转换为灰度。这是问题，当我从OpenCV使用以下代码时>

img_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
然后我得到的特征没有被归一化，这意味着像素值仍然在0到255之间。

当我使用Skimage的代码时

img_gray = color.rgb2gray(image)
然后，这些值似乎已归一化，因为像素值约为。在0和1之间。

我尝试了两个版本的生猪特征提取，结果相似但不相同，当我训练SVM时，结果也相似但不相同。当我用归一化图像训练SVM时，精度等要好一些，但不多。

[当我从skimage https://scikit-image.org/docs/dev/auto_examples/features_detection/plot_hog.html查看以下链接时，我认为在使用HOG描述符之前不需要对图像进行归一化，因为该链接中的宇航员图像也未被归一化。不过，我仍然感到困惑。您能否确认或不同意我的假设，即使用OpenCV的代码比将skimage的代码从rgb转换为grey更好？

完整代码：

import cv2
img_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY
或

from skimage import color
img_gray = color.rgb2gray(image)
之前

from skimage import feature
feat = feature.hog(img_gray, orientations=12, pixels_per_cell=(5,5), cells_per_block=(2,2), transform_sqrt=True, visualize=False)

我想训练一个SVM，其具有由生猪描述符从skimage中提取的生猪特征。图像具有3个通道（RGB图像），我想在提取猪特征之前将其转换为灰度。...

Answer 1

这是在范围[0 1]中进行归一化的方法，但要确保图像具有浮点数据类型。

Answer 2

1. 关于灰度输入。如果您使用灰度图像作为输入。转换为float或其他方式不会有很大的作用。这是因为如果您窥视skimage的实现。您会注意到，如果输入为灰度，则它将在内部转换为浮动图像。参见skimage hog implementation here