生成图像的灰度值

我已经训练了一个模型（在着名的MNIST数据上）以学习识别0到9数字的图像。强度值作为特征集提供。生成图像的灰度值

现在我想自己测试一下模型，因为我想说在MS Paint上写一个数字并在模型中运行。

我知道如何使用PNG软件包将图像转换为灰度值，但我需要帮助创建具有类似灰度范围的图像。目前，当我尝试在Paint中绘制时，它的范围从0：255，与在负值的训练集中不同。

注：我不知道是什么格式的图像，我需要用它来得到类似的强度值，我的最简单的方法是去画，绘制数字

问题：

im <- matrix(data=rev(X[567,]), nrow=20, ncol=20) 

    [,1] [,2] [,3]   [,4]   [,5]   [,6]   [,7]   [,8]   [,9]   [,10]   [,11]   [,12]   [,13] 
[1,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 
[2,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 0.0000000000 4.306236e-04 -4.538135e-03 
[3,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 0.0002343973 -1.140496e-02 2.497616e-02 
[4,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 0.000000e+00 1.084559e-04 -0.0017490639 -1.345621e-02 4.384232e-01 
[5,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 2.941176e-05 -4.375000e-04 -0.0261209150 2.488099e-01 9.544290e-01 
[6,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 2.393280e-04 -2.528663e-02 0.1323503711 8.318632e-01 1.015593e+00 
[7,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0001834414 -6.974929e-03 3.770381e-02 0.6445272331 1.033006e+00 8.613194e-01 
[8,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 2.445885e-05 -0.0001720764 -2.008902e-02 2.677583e-01 1.0012065346 9.811198e-01 3.359074e-01 
[9,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 3.487541e-04 -0.0256610004 1.337907e-01 8.190443e-01 1.0119159688 5.299348e-01 -2.273144e-03 
[10,] 0 0 0 0.000000e+00 0.0000000000 0.0007352941 -1.754459e-02 0.0444801985 6.604204e-01 1.036383e+00 0.7427878881 6.253465e-02 -1.474359e-02 
[11,] 0 0 0 0.000000e+00 0.0000000000 -0.0053142872 3.982375e-02 0.6389624523 1.033114e+00 8.733544e-01 0.1483327546 -1.978789e-02 5.014064e-04 
[12,] 0 0 0 0.000000e+00 0.0003370098 -0.0245936309 2.214513e-01 0.9496550623 1.001519e+00 4.032970e-01 -0.0262422045 -1.246885e-03 3.668827e-05 
[13,] 0 0 0 2.201296e-05 -0.0071477926 0.0124218676 5.890595e-01 1.0428453590 7.664877e-01 6.238350e-02 -0.0170552566 1.654030e-04 0.000000e+00 
[14,] 0 0 0 -1.326593e-04 -0.0214352533 0.1659780263 8.681923e-01 1.0228496087 4.833438e-01 -2.121145e-02 -0.0023410267 1.021242e-06 0.000000e+00 
[15,] 0 0 0 -1.412275e-03 -0.0192939474 0.4265679126 1.037142e+00 0.9012997670 9.698972e-02 -1.290765e-02 0.0002604167 0.000000e+00 0.000000e+00 
[16,] 0 0 0 -1.593035e-03 -0.0186662922 0.4575771889 1.093103e+00 0.7281629027 -3.015387e-02 7.327410e-04 0.0000000000 0.000000e+00 0.000000e+00 
[17,] 0 0 0 -3.634600e-04 -0.0099532952 0.1448730596 4.328676e-01 0.1434386592 -9.253983e-03 3.063725e-05 0.0000000000 0.000000e+00 0.000000e+00 
[18,] 0 0 0 4.647181e-05 0.0011291835 -0.0175039746 -5.072072e-02 -0.0191029196 1.039501e-03 1.043178e-17 0.0000000000 0.000000e+00 0.000000e+00 
[19,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 
[20,] 0 0 0 0.000000e+00 0.0000000000 0.0000000000 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 0.0000000000 0.000000e+00 0.000000e+00 
       [,14]   [,15]   [,16]   [,17] [,18] [,19] [,20] 
[1,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[2,] -0.0216402846 -1.239362e-02 2.570125e-05 6.076389e-05  0  0  0 
[3,] 0.6271519370 6.741898e-01 1.490166e-02 -3.797542e-03  0  0  0 
[4,] 1.0680277608 5.460697e-01 -8.837061e-03 -2.389553e-03  0  0  0 
[5,] 0.8673059811 1.769967e-01 -1.832898e-02 -3.108660e-04  0  0  0 
[6,] 0.4489610566 -2.979454e-02 -2.363971e-03 5.238971e-05  0  0  0 
[7,] 0.0371314849 -7.122634e-03 2.040441e-04 0.000000e+00  0  0  0 
[8,] -0.0279941706 7.847214e-04 0.000000e+00 0.000000e+00  0  0  0 
[9,] -0.0058922249 1.244466e-17 0.000000e+00 0.000000e+00  0  0  0 
[10,] 0.0003111383 9.320045e-32 0.000000e+00 0.000000e+00  0  0  0 
[11,] 0.0000245098 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[12,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[13,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[14,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[15,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[16,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[17,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[18,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[19,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 
[20,] 0.0000000000 0.000000e+00 0.000000e+00 0.000000e+00  0  0  0 

image(1:20, 1:20, im, col=gray((0:255)/255)) #But My Lower Values Extend Past Help Required Here too to set the range (NOT 0:255)

我想自己创建（绘制）某些数字并进行测试，但我想确保它们属于相同的值范围，我该如何实现这一点？

来源

2016-07-28 Anurag H

我很困惑，一个PNG可能会消极 - 也许格伦将能够分享他的见解 - @ glennranders-pehrson。 –

@MarkSetchell当涉及将图像与灰度值相关时，我是一个新手。这些值实际上是作为特征集提供的，它们在我接受训练时在它们中具有负值。我想通过自己写数字来测试模型，但想要获得相同范围的灰度值（当我使用绘画来绘制数字时不会发生这种情况） –

Glenn在堆栈溢出方面帮助了很多人，他合写了PNG规范和编码它，所以我希望他会知道它的来龙去脉... –

您想缩放新数据（来自MSPaint），使其与您用来训练模型的数据相匹配。获取训练数据集的均值和方差，并使用scale将其应用于新图像。

means <- colMeans(training_data) 
std <- apply(training_data, 2, FUN = sd, na.rm = T) 
new_im <- scale(im, center = means, scale = std)

我还建议回去创建一个新的模型，其中的训练数据可以事先适当缩放。像@MarkSetchell一样，我对PNG中的负值意味着什么感到困惑。

来源

2016-07-28 19:50:21

感谢Daisey的观点。让我再添加一些上下文：每个像素是一个特征，灰度是相关联的值。因此，如果有1000个训练集，那么对于那个像素位置，我有1000个这样的值，并且如果我们在1000个训练集中为该像素而不是在图像矩阵内进行缩放 –

@AnuragH我不确定我理解你的评论。假设你的训练集中的每幅图像都是256x256像素，那么每幅图像的数值应该是65536。你是否意味着你有1000个这样的图像？没关系。只需创建一个整齐的矩阵，每列代表一个像素，每行代表一幅图像。该矩阵将是1000 x 65,536这是大的，但我建议的所有功能将处理好。 –

我完全明白你的建议，你完全正确的结构，这就是我在训练集中的数据。我已+1你:)我只是想添加更多的上下文。问题是我已经提供了数据范围，正如我在示例中给出的那样（例如，您可能会说预分级数据，我没有非标定值来推导均值和sd） –

生成图像的灰度值

回答

相关问题