在上一篇文章
我這一次將圖片的讀入與處理的代碼寫了一下，和大綱寫的過程一樣，這一段代碼分為以下幾個部分：
-
讀入圖片；
-
將圖片讀取為灰度值矩陣；
-
-
切割圖片，得到手寫數字的最小矩陣；
-
拉伸/壓縮圖片，得到標准大小為100x100大小矩陣；
-
將圖片拉為1x10000大小向量，存入訓練矩陣中。
所以下面將會對這幾個函數進行詳解。
代碼分析
基礎內容
首先我們現在最前面定義基礎變量
import os
from skimage import io
import numpy as np
##Essential vavriable 基礎變量
#Standard size 標准大小
N = 100
#Gray threshold 灰度閾值
color = 100/255
其中標准大小指的是我們在最后經過切割、拉伸后得到的圖片的尺寸為NxN。灰度閾值指的是在某個點上的灰度超過閾值后則變為1.
接下來是這圖像處理的一部分的主函數
filenames = os.listdir(r"./num/")
pic = GetTrainPicture(filenames)
其中filenames得到在num目錄下所有文件的名稱組成的列表。pic則是通過函數GetTrainPicture得到所有訓練圖像向量的矩陣。這一篇文章主要就是圍繞這個函數進行講解。
GetTrainPicture函數
GetTrainPicture函數內容如下
#Read and save train picture 讀取訓練圖片並保存
def GetTrainPicture(files):
Picture = np.zeros([len(files), N**2+1])
#loop all pictures 循環所有圖片文件
for i, item in enumerate(files):
#Read the picture and turn RGB to grey 讀取這個圖片並轉為灰度值
img = io.imread('./num/'+item, as_grey = True)
#Clear the noise 清除噪音
img[img>color] = 1
#Cut the picture and get the picture of handwritten number
#將圖片進行切割，得到有手寫數字的的圖像
img = CutPicture(img)
#Stretch the picture and get the standard size 100x100
#將圖片進行拉伸，得到標准大小100x100
img = StretchPicture(img).reshape(N**2)
#Save the picture to the matrix 將圖片存入矩陣
Picture[i, 0:N**2] = img
#Save picture's name to the matrix 將圖片的名字存入矩陣
Picture[i, N**2] = float(item[0])
return Picture
可以看出這個函數的信息量非常大，基本上今天做的所有步驟我都把封裝到一個個函數里面了，所以這里我們可以看到圖片處理的所有步驟都在這里。
提前准備
首先是創建了一個用來存放所有圖像向量的矩陣Picture，大小為fx10001，其中f代表我們擁有的訓練圖片的數目，10001的前10000位代表圖片展開后的向量長度，最后一維代表這一個向量的類別，比如說時2就代表這個圖片上面寫的數字是2.
接下來用的是一個for循環，將files里面每一個圖片進行一次迭代，計算出向量后存入picture。
在循環中的內容就是對每一張圖片進行的操作。
讀入圖片並清除背景噪音
首先是io.imread函數，這個函數是將圖片導出成為灰度值的矩陣，每一個像素點是矩陣上的一個元素。
接下來是img[img>color]=1這一句。這一句運用了邏輯運算的技巧，我們可以將其分為兩部分
point = img > color
img[point] = 1
首先是img>color，img是一個矩陣，color是一個數。意義就是對img中所有元素進行判斷是否大於color這個數，並輸出一個與img同等大小的矩陣，對應元素上是該值與color判斷后的結果，有False與True。如果大於這個數，那么就是Ture，否則是False。下面舉個例子，不再贅述。
a = np.array([1, 2, 3, 4])
print(a>2)
#以下為輸出結果
[False False True True]
之后的img[point] = 1說明將所有True的值等於1。舉個例子
a = np.array([1, 2, 3, 4])
p = a > 2
a[p] = 0
print(a)
#以下為輸出結果
[1 2 0 0]
因此我通過這樣的方法來清除掉了與數字顏色差別太大的背景噪音。
切割圖像
首先切割圖像的函數我寫的是CutPicture。我們來說一下這個切割圖像的意思。比如說有一個人寫字寫的特別小，另一個人寫字寫的特別大。就像是下圖所示，所以我們進行這樣的操作。沿着圖片的邊進行切割，得到了下面切割后的圖片，讓數字占滿整個圖片，從而具有可比性。
所以下面貼出代碼，詳細解釋一下我是怎么做的。
#Cut the Picture 切割圖象
def CutPicture(img):
#初始化新大小
size = []
#圖片的行數
length = len(img)
#圖片的列數
width = len(img[0,:])
#計算新大小
size.append(JudgeEdge(img, length, 0, [-1, -1]))
size.append(JudgeEdge(img, width, 1, [-1, -1]))
size = np.array(size).reshape(4)
print(size)
return img[size[0]:size[1]+1, size[2]:size[3]+1]
首先函數導入過來的的參數只有一個原img。
我第一步做的是把新的大小初始化一下，size一共會放入四個值，第一個值代表原圖片上的手寫數字圖案的最高行，第二個值代表的是最低行，第三個值代表數字圖案的最左列，，第四個只代表最右列**。這個還看不明白的話就看上面的圖示，就是沿着圖片切割一下就好了。
接下來的length和width分別代表着原圖片的行數與列數，作用在下面。我又創建了一個JudgeEdge函數，這個函數是輸出它的行數或者列數的兩位數字。第一個append是給size列表放入了兩個行序號（最高行和最低行），第二個append是給size放進兩個列序號（最左列和最右列）。所以接下來就看JudgeEdge函數是干什么的。
def JudgeEdge(img, length, flag, size):
for i in range(length):
#Cow or Column 判斷是行是列
if flag == 0:
#Positive sequence 正序判斷該行是否有手寫數字
line1 = img[img[i,:]<color]
#Negative sequence 倒序判斷該行是否有手寫數字
line2 = img[img[length-1-i,:]<color]
else:
line1 = img[img[:,i]<color]
line2 = img[img[:,length-1-i]<color]
#If edge, recode serial number 若有手寫數字，即到達邊界，記錄下行
if len(line1)>=1 and size[0]==-1:
size[0] = i
if len(line2)>=1 and size[1]==-1:
size[1] = length-1-i
#If get the both of edge, break 若上下邊界都得到，則跳出
if size[0]!=-1 and size[1]!=-1:
break
return size
JudgeEdge函數的參數flag就是用來判斷是行還是列，當flag=0時，說明以行為基礎開始循環；當flag=1時說明以列為基礎進行循環。所以參數length傳遞的時候就是行數和列數。接下來的for循環就是根據length的大小看似是循環。
當是行時，我這里用line1和line2起到的是一個指針的作用，即在第i行時，line1的內容就是這一行擁有非白色底（數值為1）的像素的個數；line2的作用則是反序的，也就是他計算的是倒數i行非白色像素個數，這樣做的目的是能夠快一點，讓上下同時開始進行尋找，而不用line1把整個圖片循環一遍，line2把整個圖片循環一遍，大大節省了時間。
尋找這一行擁有非白色底的像素的個數這一個語句同樣的運用了邏輯判斷，和上文中去噪的原理一模一樣。
當line里面有數的時候，說明已經到達了手寫數字的邊緣。這時候就記錄下來，然后就不再改變。當兩個line都不等於初始值-1時，說明已經找到了兩個邊緣，這時候就可以跳出循環並且return了。
這個函數就是這樣。所以說切割圖像的完整代碼就是這樣子，下面就要把切割的大小不一的圖像給拉伸成標准大小100x100了。
拉伸圖像
因為切割以后的圖像有大有小，一張圖片的大小可能是21x39（比如說數字2），另一張可能是4x40（比如說數字1）。所以為了能夠讓他們統一大小稱為100x100，我們就要把他們拉伸一下。
大概就是像圖上的一樣。實際情況的圖案可能會更復雜，所以我們下面展示一下代碼
#Stretch the Picture 拉伸圖像
def StretchPicture(img):
newImg = np.ones(N**2).reshape(N, N)
##Stretch/Compress each cows/columns 對每一行/列進行拉伸/壓縮
#The length of each cows after stretching 每一行拉伸/壓縮的步長
step1 = len(img[0])/100
#Each columns blabla 每一列拉伸/壓縮的步長
step2 = len(img)/100
#Operate on each cows 對每一行進行操作
for i in range(len(img)):
for j in range(N):
newImg[i, j] = img[i, int(np.floor(j*step1))]
#Operate on each columns 對每一列進行操作
for i in range(len(img[0])):
for j in range(N):
newImg[j, i] = img[int(np.floor(j*step2)), i]
return newImg
首先初始化一個新的圖片矩陣，這個大小就是標准大小100x100。接下來才是重頭戲。我這里用的方法是比較簡單基礎的方法，但是可能依舊比較難。
首先定義兩個步長step1和step2，分別代表拉伸/壓縮行與列時的步長。這里的原理就是把原來的長度給他平均分成100份，然后將這100個像素點分別對應上原本的像素點。
如下圖所示，圖像1我們假設為原圖像，圖像2我們假設為標准圖像，我們需要把圖像1轉化為圖像2，其中每一個點代表一個像素點，也就是圖像1有五個像素點，圖像2有四個像素點。
所以我的思想就是直接讓圖像2的像素點的值等於距離它最近的圖像1的像素點。
我們為了方便起見，在這里定義一個語法：圖像2第三個數據點我們可以寫為2_3.
所以2_1對應的就是1_1，2_2對應的就是1_2，2_3對應的是1_4，2_4對應的是1_5。就這樣我們就能夠得到了圖像2所有的數據點。
利用數學的形式表現出來，就是假設圖像1長度為l_1，圖像2長度為l_2，所以令圖像2的步長為l_1/l_2，也就是說當圖像2的第一個像素點對應圖像1第一個像素點，圖像2的最后一個像素點對應圖像1最后一個像素點。然后圖像2第二個像素點位置就是2l_1/l_2，對應圖像1第floor(2l_1/l_2)個像素點。以此類推就行。因此再回頭看一下那一段代碼，這一段是不是就好理解了？
之后對行與列分別進行這個操作，所以就可以得到標准的圖片大小。然后再返回到GetTrainPicture即可。
再GetTrainPicture函數中，我用了reshape函數把原本100x100大小的圖片拉伸成為1x10000大小的向量，然后存入矩陣當中，並將這一張圖片的類別存入矩陣最后一個。
以上就是圖片處理的所有內容。