我一直在研究圖像處理問題，并且已經(jīng)對一堆圖像進行了預(yù)處理，以找到這些圖像中最突出的水平線。基于此數(shù)據(jù)，我想對圖像的視角是好還是壞進行分類。

數(shù)據(jù)點是我能夠在一系列圖像中檢測到的線的角度。從圖像的角度來看，我知道此數(shù)據(jù)有時表示“好角度”圖像，而在其他情況下，它表示“壞角度”圖像。

我嘗試了np.polyfit，找到了線的斜率，找到了斜率的導(dǎo)數(shù)，以及其他幾種方法，但是僅通過查看這些數(shù)據(jù)就無法找到一個顯而易見的簡單指標。

這些是“好角度”的示例。您會注意到它們是從正數(shù)開始的，后來的是負數(shù)。

好的角度數(shù)據(jù)

[7.97, 7.99, 9.01, 5.07, 5.01, 14.81, 8.86, -2.11, -0.86, 1.06, 0.86, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.97, 0.92, -0.95, -2.05, -2.2, -2.78, -2.93, -2.8, -2.99, -2.88, -2.94, -2.81, -3.04, -3.07, -3.0]

[3.96, 4.12, 6.04, 6.03, 6.08, 5.99, 6.99, 6.81, 6.81, 6.1, 6.1, 4.06, 3.98, 4.03, 3.92, 3.95, 3.84, 3.94, 4.07, 3.95, 3.87, 2.65, 1.88, 0.0, 0.0, -0.94, -1.06, -1.81, -1.81, -3.95, -4.09, -4.0, -3.93]

[8.75, 10.06, 9.02, 9.96, 9.89, 10.08, 9.99, 10.0, 10.02, 9.95, 4.04, 4.03, 3.93, -1.18, -0.95, -1.12, -1.02, -1.76, -1.92, -2.06, -5.99, -5.83, -6.01, -4.96, -7.84, -7.67]

這些是“壞角度”圖像的示例。您會注意到它們從負數(shù)開始，后來的是正數(shù)。您還可以注意到，這些數(shù)字遠大于0。

錯誤角度數(shù)據(jù)

[-13.92, -14.93, -4.11, -4.04, -2.18, 17.12, 18.01, 16.91, 15.95, 16.75, 14.16, 14.04]

[-14.93, -14.93, -7.92, -4.04, -5.91, -4.98, 16.08, 16.26, 16.24]

[11.81, -9.77, -10.2, -9.96, -10.09, -6.81, 2.13, 3.02, 2.77, 3.01, 2.78, 5.92, 5.96, 5.93, 2.96, 3.06, 1.03, 2.94, 6.2, 5.81, 5.04, 7.13, 5.89, 5.09, 4.89, 3.91, 4.15, 17.99, 6.04, 5.67, 7.24, 16.34, 17.02, 16.92, 15.99, 16.93, 15.76]

由于這是基于從真實圖像中捕獲的數(shù)據(jù)，因此我們在數(shù)據(jù)集中確實存在一些不規(guī)則之處。我想避免任何小故障，并使用可以將我的數(shù)組分類為好角度或壞角度的度量。

解決方案

如果我的假設(shè)是正確的，那么我看不到任何復(fù)雜分類器的原因。我只是檢查角度是始終變大還是變小。每次遵循此規(guī)則時，您都要向質(zhì)量計數(shù)器添加1。如果違反規(guī)則，則將質(zhì)量計數(shù)器減少1。最后，將質(zhì)量計數(shù)器除以測量角度的總數(shù)->，然后確定質(zhì)量比率的閾值。

抱歉，如果我對問題沒有更好的了解-實際的圖像可能會有很大幫助。

總結(jié)

以上是生活随笔為你收集整理的python对数据进行分类_在Python中对一系列数据进行分类的最佳方法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。