信息处理 - 初学者问题：为图像分类提取特征 - 吾爱随笔录

我是一名 Python 程序员，但是图像处理的初学者 :) 抱歉，如果这不是论坛的合适问题，很高兴重写或移动。

我想创建一个有监督的分类器来区分这张专辑中的两个图像（或者更一般地说，有更多的训练数据，这个场景包含一些可用停车的人行道，而这个场景不包含人行道）。

我的问题是关于如何使用 Pillow 或 scikit-image 提取适合分类的特征。

现在，我有一个 SVM 分类器的骨架代码：

data = []
classes = []
for imagefile in glob.glob('./img/training/*/*.bmp'):
    data.append(extract_features(imagefile))
    if 'nospace' in imagefile:
        classes.append('nospace')
    else:
        classes.append('space')
clf = svm.SVC(gamma=0.001, C=100.)
clf.fit(data, classes)

我有一个非常简单的特征提取方法，它只返回图像的颜色直方图：

def extract_features(imagefile):
    im = Image.open(imagefile)
    width, height = im.size
    im = im.crop((0, int(height * 0.4), width, int(height * 0.8)))
    # Improve on just returning a colour histogram?
    return im.histogram()

问题是这并不能产生很好的效果——特别是如果汽车的颜色与停机坪几乎相同，就像我的示例专辑一样。

我看了边缘检测。使用 Pillow 似乎很容易做到这一点：

im.filter(ImageFilter.FIND_EDGES)

但是仅仅将它传递给分类器也不会产生很好的结果——我猜是因为我应该把它从像素矩阵变成更有意义的东西？

谁能提出一个为这个问题提取特征的好方法？我认为理想情况下我想检测“斑点”，即汽车。