将 PNG 图像转换为像素灰度值特征向量

发布于 2024-12-12 05:17:52 字数 156 浏览 2 评论 0原文

我是 MATLAB 的新手,我有一组 bmp 图像,需要将其转换为像素灰度值作为图像的特征向量。谁能建议我如何做到这一点? 我需要使用这些像素灰度值作为特征,然后执行类似PCA/LDA的操作。 我尝试了 imread() 但它返回了一个矩阵。我觉得特征向量只是一个行向量。

问候,

I am a newbie in MATLAB and I have a set of bmp images which I need to convert into pixel gray-level values as feature vectors of image. Can anyone suggest me the way how I can do that?
I need to use these pixel gray-level values as features and then perform operations like PCA/LDA.
I tried imread() but it returns me a matrix.. I feel feature vector will be just one row vector.

Regards,

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

前事休说 2024-12-19 05:17:52

imread() 是正确的方法。然后只需将矩阵转换为向量即可。例如:

>> X = randi(255, 10)

X =

   208    41   168   181   112    71   192   215    90    20
   231   248    10     9    98   174    66    65   212    14
    33   245   217    71   196   168   130   208   150   136
   233   124   239    12   203    42   179    63   141   199
   162   205   174    25    48    31   228   237   234   239
    25    37   194   210   125   128   245    90    73    34
    72   108   190   178   114   245   140    51   194   146
   140   234   101    81   165    87    36    65   193   120
   245   203   168   243   181   150    39   158    98     4
   247   245    44     9   193    58    66   121   145    86

>> X(:)

ans =

   208
   231
    33
   233
   162
    25
    72
   140
   245
   247
...

然后您可以将不同的观察结果与 [] 堆叠在一起并进行 PCA。

imread() is the correct way to do it. Then just convert from a matrix into a vector. For example:

>> X = randi(255, 10)

X =

   208    41   168   181   112    71   192   215    90    20
   231   248    10     9    98   174    66    65   212    14
    33   245   217    71   196   168   130   208   150   136
   233   124   239    12   203    42   179    63   141   199
   162   205   174    25    48    31   228   237   234   239
    25    37   194   210   125   128   245    90    73    34
    72   108   190   178   114   245   140    51   194   146
   140   234   101    81   165    87    36    65   193   120
   245   203   168   243   181   150    39   158    98     4
   247   245    44     9   193    58    66   121   145    86

>> X(:)

ans =

   208
   231
    33
   233
   162
    25
    72
   140
   245
   247
...

Then you can just stack your different observations together with [] and do PCA.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文