我们将余弦相似度应用于风景图片类型自动分类,我们为每个类型准备了2个样本图片,如果样本图片数量适当,分类精度将更高。
蓝天白云风景我们设为第一类
森林设为第二类
瀑布设为第三类
对图片提取特征,提取的方式是将图片从上到下,从右到右分割成若干块,对每块的图片像素特征进行提取后,形成图片的特征
#读取图片,提取每类图片的特征 for ii in xrange(1,picflag+1): smp_x=[] b_tz=np.array([0,0,0]) g_tz=np.array([0,0,0]) r_tz=np.array([0,0,0]) mytz=np.zeros((3,w_fg*h_fg)) for jj in xrange(1,3): fn='p'+str(ii)+'-'+str(jj)+'.jpg' tmptz=readpic(fn) mytz+=np.array(tmptz) mytz/=3 train_x.append(mytz[0].tolist()+mytz[1].tolist()+mytz[2].tolist())
对待测试样本进行分类
本博客所有内容是原创,如果转载请注明来源
http://blog.csdn.net/myhaspl/