Как приблизиться к переменным размерам изображений для классификации изображений? - PullRequest
0 голосов
/ 27 января 2019

Я занимаюсь классификацией опухолей головного мозга.Набор данных состоит из изображений головного мозга под разными углами, с границей и маской положения опухоли.Я обрезал прямоугольник, содержащий опухоль, так как другие части изображения не имеют значения и различаются из-за различных углов, под которыми снимается изображение.Теперь мне оставляют серию изображений опухоли, каждое из которых относится к 1 из 3 возможных случаев опухоли.Но чтобы подготовить эти данные для классификации, мне нужно иметь массив двумерных изображений в однородной форме, я считаю.

Возможные подходы:

1) Обрезать каждое изображение до фиксированного размера (скажем, 100x100).Но это может привести к потере данных, а также, в зависимости от положения опухоли на изображении, я могу столкнуться с неравномерными посевами из-за достижения края изображения.

2) Придайте изображению фиксированную форму,больше, чем самая большая форма обрезанного изображения (скажем, 350x350).Но, опять же, это может привести к появлению шума в данных, которые я предполагаю, и я не уверен, как можно равномерно распределить изображение по всем 4 сторонам прямоугольника.

Поскольку они не кажутся жизнеспособными, яищет другие решения для решения этой проблемы.

1 Ответ

0 голосов
/ 27 января 2019

Общий подход - обрезать опухоль на каждом изображении.Вы получите другой размер изображения опухоли.Затем измените масштаб изображения опухоли до самого маленького.Мудро выбирайте метод пересэмплирования для масштабирования в зависимости от алгоритма, который вы будете использовать для классификации.Самым быстрым будет передискретизация ближайшего соседства, более плавным будет линейная интерполяция, а конечной может быть сплайн-интерполяция.

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...