如何处理不同大小的图像进行图像分类？

Question

我正在做脑瘤的分类工作。该数据集由来自不同角度的脑图像组成，带有肿瘤位置的边界和掩膜。我已经裁剪了包含肿瘤的矩形，因为图像的其他部分是无关的，并且由于拍摄图像的不同角度而不同。现在，我得到了一系列肿瘤的图像，每个图像都属于3个可能的肿瘤病例中的1个。但为了训练这些数据进行分类，我需要让2d图像阵列具有均匀的形状。

可能的方法：

1)将每个图像裁剪为固定大小(例如100x100)。但这会导致数据丢失，而且根据肿瘤在图像中的位置，我可能会因为到达图像的边缘而面临不均匀的裁剪。

2)将图像填充到固定形状，大于最大的裁剪图像形状(例如350x350)。但这又会在数据中引入噪声，我不确定如何才能在矩形的所有4条边上均匀地填充图像。

由于这些似乎不可行，我正在寻找其他解决方案来解决这个问题。

Answer 1

通常的方法是在每个图像上裁剪肿瘤。您将获得不同的肿瘤图像大小。然后将肿瘤图像重新缩放到最小的图像。根据您将用于分类的算法，明智地选择重新缩放的重采样技术。最快的是最近邻重采样，最平滑的是线性插值，最快的是样条插值。