为机器学习处理图像答案

【问题标题】：Processing Image for machine learning为机器学习处理图像
【发布时间】：2019-05-06 14:50:28
【问题描述】：

我开始为一个项目做医学图像分析。

在这个项目中，我有人类肾脏有结石和无结石的图像。目的是预测给定的新图像是否有石头。

我选择了 KNN 分类器模型进行分类，但我不了解图像处理。我对分割有一些了解。我可以将其转换为数组进行处理，但我需要一些指针来理解该过程。图片 - https://i.stack.imgur.com/9FDUM.jpg

【问题讨论】：

欢迎来到 StackOverflow。请按照您创建此帐户时的建议阅读并遵循帮助文档中的发布指南。 On topic、how to ask 和 ... the perfect question 在此处申请。 StackOverflow 不是设计、编码、研究或教程资源。寻求一般解释的指针是特别离题的。
一般问题请查看"Which site?"

【解决方案1】：

对于图像分类，我建议您使用预训练的神经网络，如 Resnet 等。

Tensorflow 等框架提供了一个很好的 API，可以针对不同的用例重新训练预训练的神经网络。

【讨论】：

【解决方案2】：

图像处理是为了将数字图像转换为计算机更容易计算统计数据的格式。

图像并不总是包含必要的信息，图像中存在噪点和许多不必要的背景信息，这些信息对于特定目的来说不是必需的。

处理图像的目标是从整个图像中提取感兴趣的区域。

除此之外，还对图像进行了各种增强，以便我们获得可用于计算推理的特征

处理图像包括各种图像增强技术和分割以及其他东西，例如可能最终用于提取特征的直方图均衡化。进行这种处理通常会产生更好的特征。

此外，图像处理本身就是一个广阔的话题。我建议您在 Google 学者的论文中阅读它

【讨论】：