RGB 到灰色使用 scikit-learn 流形

Question

我正在尝试使用多种学习方法减小尺寸以将RGB图像转换为灰色。

我已将图像转换为 numpy 数组 （image_array）

import numpy as np
from sklearn.datasets import load_sample_image
china = load_sample_image("china.jpg")
# Convert to floats instead of the default 8 bits integer coding. Dividing by
# 255 is important so that plt.imshow behaves works well on float data (need to
# be in the range [0-1]
china = np.arraychina, dtype=np.float64) / 255
# Load Image and transform to a 2D numpy array.
w, h, d = original_shape = tuple(china.shape)
assert d == 3
image_array = np.reshape(china, (w * h, d))

检查image_array

image_array.shape

（273280， 3）

尝试时，

X, color = image_array

我得到

值错误：要解压缩的值太多。

有没有办法解决这个问题？

Answer 1

你可以做

china = (china[:,:,:3] * [0.2989, 0.5870, 0.1140]).sum(axis=2)

这就是我在 diy 机器学习中所做的（我发现纯 numpy 比使用 scikit 快得多，包括梯度定向直方图的版本，请参见 https://github.com/paddywwoof/Machine-Learning/blob/master/image_processor.py）