训练样本集的制作

Posted 2020-07-02 tina_ttl

在进行机器学习时，根据处理问题的不同，所需要的训练样本不同，并不是所有的训练样本都可以在网络上搜索到，所有，有时需要根据自己要解决的问题的实际需要，制作自己的样本数据集。

matlab是半自动制作样本训练集的一个较强大的工具。

1运行matlab自带的trainingImageLabeler函数

1.1运行trainingImageLabeler

 

程序会弹出training image labeler操作框

1.2 利用add images打开要截图的图像

1.3点击ROI开始框图，同时可以截取多个ROI区域

1.4 结束截图，保存截图结果

当需要结束截图时，点击Export ROIs，此时会弹出Export variable name，输入变量名称，如poritiveInstances，并点击OK。

 

 

1.5 得到结构体positiveInstances

结构体中包含两个元素，分别为imageFilename和objectBoundingBoxes

imageFilename存储的是截图对象的名字

ObjectBoundingBoxes存放的是截图所对应的ROI的矩形框的左上角坐标和长宽

（即第i行表示第i个ROI的矩形框的左上角坐标和该矩形框的长宽）

2 从截取的原始图像中提取每个ROI对应的子图，从而得到样本子图（运行SamplesMaker.m函数）

2.1 读取该组截图的原始图像

2.2 将读入的非灰度图像转化为灰度图像

2.3 得到该组截图的所有ROI参数

2.4得到该组截图的所有ROI对应的子图，存储在元胞中

2.5 如果需要对截取的子图进行可视化，再将得到的子图利用imwrite函数保存

 

下面是制作样本的完整程序，包括三个m文件，运行时依次实现

第一个运行的程序（SamplesMaker）

%% 改程序实现对第一幅子图的截图

%% 调用matlab的样本制作函数（在运行该函数之前运行）
% trainingImageLabeler

%% 读取改组截图所对应的原始图像
% 截图的原始图像的名字（路径已经加入了）
imgName = positiveInstances.imageFilename;
% read the image
imgInput= imread(imgName); %读入图像
% convert to the gray image
if ndims(imgInput)==3
    imgInput = rgb2gray(imgInput);
end

%% 得到改组截图的所有ROI的参数rectPosition（每一行元素为每个ROI的左上角坐标和该矩形的长宽）
rectPosition=positiveInstances.objectBoundingBoxes;
NumROI=size(rectPosition,1);%ROI个数
img=cell(NumROI,1);%存放每个image子图的元胞
for k=1:NumROI
    %左上角(x0,y0)，x方向长度xl，y方向长度yl
    x0=fix(rectPosition(k,1));y0=fix(rectPosition(k,2));xl=rectPosition(k,3);yl=rectPosition(k,4);
    % 第k个ROI所对应子图
    img{k}=imgInput(y0:y0+yl-1,x0:x0+xl-1);
    % 保存第k个ROI所对应子图
    imwrite(img{k},[num2str(k),‘.jpg‘],‘jpg‘);
end

%% 将该目标图像的所有ROI信息保存在元胞rectPositionCell的第k个元胞中（k表示该目标图像是第几个图像）
numImg=1;%本程序的目标图像即为第一个图像
sampleData.rectPositionCell{numImg}=rectPosition;
%% 将该目标提取到的所有ROI对应的子图保存在元胞imgCell的第k个元胞中（k表示该目标图像是第几个图像）
sampleData.imgCell{numImg}=img;
save(‘sampleData.mat‘,‘sampleData‘)

 

第二个运行的程序（SamplesMaker_Add）

%% 该程序是对SamplesMaker的补充
%{
SamplesMaker实现的是单一图像的子图截取，现在需要对另外一幅对象进行子图截取，并需要将截图结果
与上一幅截图结果保存在一起，所以，需要对程序进行改进
对于第二幅以后的子图截图，应该利用本程序
%}

%% 调用matlab的样本制作函数（在运行该函数之前运行）
% trainingImageLabeler

%% 读取该组截图所对应的原始图像
% 截图的原始图像的名字（路径已经加入了）
imgName = positiveInstances.imageFilename;
% read the image
imgInput= imread(imgName); %读入图像
% convert to the gray image
if ndims(imgInput)==3
    imgInput = rgb2gray(imgInput);
end

%% 载入以前的截图数据
load(‘sampleData.mat‘);
numImg_before=size(sampleData.rectPositionCell,2);
numImg=numImg_before+1;%该次截图对应的图像编号
% 该次截图之前已具有的ROI个数
numRO_before=0;
for i=1:numImg_before
    numRO_before=numRO_before+size(sampleData.rectPositionCell{i},1);
end


%% 提取该次截图的所有子图，并保存所有子图
% 当前截图得到的ROI个数
rectPosition=positiveInstances.objectBoundingBoxes;
numROI=size(rectPosition,1);
for k=1:numROI
    %左上角(x0,y0)，x方向长度xl，y方向长度yl
    x0=fix(rectPosition(k,1));y0=fix(rectPosition(k,2));xl=rectPosition(k,3);yl=rectPosition(k,4);
    % 第k个ROI所对应子图
    img{k}=imgInput(y0:y0+yl-1,x0:x0+xl-1);
    % 保存第k个ROI所对应子图
    imwrite(img{k},[num2str(numRO_before+k),‘.jpg‘],‘jpg‘);    
end
%% 将本次的ROI数据保存在元胞rectPositionCell中
sampleData.rectPositionCell{numImg}=positiveInstances.objectBoundingBoxes;
sampleData.imgCell{numImg}=img;
save(‘sampleData.mat‘,‘sampleData‘)

 

第三个运行的程序（SamplesMaker_All）

%% 本程序将所有截取的img整合为一个数据组imgData（元胞，每一个元胞存放一个图像）


%% 载入以前的截图数据
load(‘sampleData.mat‘);
% 总子样本截取的源图像个数
numImg=size(sampleData.rectPositionCell,2);
% 总采样图像个数
numSamples=0;
for i=1:numImg
    % 第i个截图源图像包含的采样子图个数
    n=size(sampleData.rectPositionCell{i},1);
    % 保存第第i个截图源图像包含的采样子图
    for k=1:n
        imgData(numSamples+k)=sampleData.imgCell{i}(k,1);
    end
    % 总采样图像个数
    numSamples=numSamples+n;      
end
imgLabels=ones(numSamples,1);

save(‘imgData.mat‘,‘imgData‘,‘imgLabels‘);

　　

最后，所有截取的样本图像保存在元胞imgData中，标签保存在imgLabels中

 

在进行样本子图提取后，接下来，需要对所有的样本子图进行统一大小

可以按照如下代码进行

%% 将图像统一大小
clc
clear
close all

%% 导入样本数据
load(‘imgData.mat‘);
imgData_sizeChange=cell(size(imgData));
for k=1:numel(imgData)
    imgData_sizeChange{k}=imresize(imgData{k},[36,36]);%指出将图像统一为多大  
    imwrite(imgData_sizeChange{k},[num2str(k),‘.jpg‘],‘jpg‘);
end
save(‘imgData_sizeChange.mat‘,‘imgData_sizeChange‘);