如何在不丢失图像信息的情况下将位图调整到低分辨率？

Question

我正在创建一个基于深度学习的android应用程序。我有一个Canvas，我允许用户画一些东西。然后，我将把Canvas的位图传递给我的分类模型。我使用Tensorflow MNIST项目作为我的项目的基础。我的问题是，在MNIST示例中，允许用户在28x28大小的Canvas上绘图。但是我不想这样做，因为在这个Canvas上的绘图是像素化的。我正在绘制一个全尺寸的Canvas，但是当将画布的Bitmap发送到Tensorflow模型时，我希望将其调整为28x28以进行分类(否则我将得到ArrayIndexOutOfBoundException)。

如何在不泄露信息的情况下将位图调整为28x28 ?或其他可能的解决方案？

这里是MNIST画布的图像：

​

​

，这是我的应用程序画布的图像。我尝试将其调整为28x28，但我正在丢失图像信息：

​

​

Answer 1

假设您的输入为100 x 100图像，您希望将其调整为28 x 28。

100 x 100像素-> 10000功能

28x28像素-> 784功能

在调整大小的同时不丢失输入信息在数学上是不可能的。

然而，还有其他方法可以解决问题。

• 去除图纸周围的白色区域。它已经过滤了大部分不必要的像素。然后，您可以应用调整大小。
• 尝试一种不同的插值方法。在调整大小的过程中，我们使用了不同的插值方法(双线性、双三次等)。
• 尝试使输入图像更大，为您的网络(调整大小28x28MNIST到56x56，例如)和训练与更大的规模。然后，您将损失较少的信息，以降低推理的速度，因为它将稍慢的分类较大的图像。