如何将图像转换为数据集以处理机器学习

Question

如何将图像转换为数据集或numpy数组，并通过将其拟合到clf进行预测

import PIL as pillow
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
infilename=input()
im=Image.open(infilename)
imarr=np.array(im)
flatim=imarr.flatten('F')
clf=svm.SVC(gamma=0.0001,C=100)
x,y=im.size
#how to fit the numpy array to clf 
clf.fit(flatim[:-1],flatim[:-1])
print("prediction:",clf.predict(flatim[-1]))
plt.imshow(flatim,camp=plt.cm.gray_r,interpolation='nearest')
plt.show()

任何人请和谢谢!!

Answer 1

除了这样做的乐趣之外，没有其他理由在单个图像上使用 SVM。 这是我所做的修复。 1( 使用 .convert("L"( 将图像转换为 2D 阵列灰度。2( 创建一个虚拟目标变量 y 作为随机一维数组。 3(修复再次显示图像的类型错误(plt.imshow(cmap(而不是camp(和im(而不是flatim(

import PIL as pillow
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
im=Image.open("sample.jpg").convert("L")
imarr=np.array(im)
flatim=imarr.flatten('F')
clf=svm.SVC()
#X,y=im.size
X = imarr
y = np.random.randint(2, size=imarr.shape[0])
clf.fit(X, y)
#how to fit the numpy array to clf 
#clf.fit(flatim[:-1],flatim[:-1])
# I HAVE NO IDEA WHAT I"M DOING HERE!
print("prediction:", clf.predict(X[-2:-1]))
plt.imshow(im,cmap=plt.cm.gray_r,interpolation='nearest')
plt.show()

我在scikit-learn网站上看到了使用SVM的一个很好的例子。我想这就是你想复制的。不是吗？