我如何预处理我的图像，以便SVM以与处理MNIST数据集相同的方式对其进行处理

Question

我想使用在MNIST数据集上训练的SVM分析我自己的图像。如何预处理我的图像，以便模型可以接受它？

dataset = datasets.fetch_openml("mnist_784", version=1)
(trainX, testX, trainY, testY) = train_test_split(
    dataset.data / 255.0, dataset.target.astype("int0"), test_size = 0.33)

ap = argparse.ArgumentParser()
ap.add_argument("-d", "--dataset", type=str, default="3scenes",
    help="path to directory containing the '3scenes' dataset")
ap.add_argument("-m", "--model", type=str, default="knn",
    help="type of python machine learning model to use")

args = vars(ap.parse_args())

#user input image to classify

userImage = cv.imread('path_to_image/1.jpg')

#preprocess user image
#...

models = {
    "svm": SVC(kernel="linear"),
}

# train the model
print("[INFO] using '{}' model".format(args["model"]))
model = models[args["model"]]
model.fit(trainX, trainY)

print("[INFO] evaluating image...")
predictions = model.predict(userImage)
print(classification_report(userImage, predictions))

Answer 1

MNIST图像具有以下形状：28x28x1，宽度28像素，高度28像素和一个颜色通道，即灰度。

假设您的模型采用相同的输入形状，则可以使用以下内容：

import cv2
userImage = cv2.imread('path_to_image/1.jpg')
# resize image to 28x28
userImage = cv2.resize(userImage,(28,28))
# convert to grayscale
userImage = cv2.cvtColor(userImage,cv2.COLOR_BGR2GRAY)
# normalize
userImage /= 255.

取决于图像的大小，您可能需要手动选择28x28色块。否则，您可能会失去图像质量，从而失去信息。

如果模型将向量作为输入，则可以使用以下方法将图像展平，然后再将其输入模型：

userImage = np.reshape(userImage,(784,))