画像のカラースケールについて

Question

Python と scikit-learn を使用して　画像分類の機械学習入門を学習しています。

手書き文字の分類を実施しているのですが、画像を読み込んだあとのカラースケールについてイマイチイメージがつきません。。。

例えば　8×8の手書き文字画像の場合は、
（一枚8x8の64ピクセルで構成されており、それぞれのピクセルには白黒の度合が16段階で格納）
と言われていますが、白黒の度合いがどこでわかるのかがイマイチわかりません。。。

X = digits.data
y = digits.target

として、Xにデータ、yにラベルデータを格納したあと、

print(X.shape)
print(y.shape)

(1797, 64)
(1797,)

1797個のデータがあって、 X の shape で表示された 64 は、データが 8ピクセル × 8ピクセル の画像データ（モノクロ画像）である。と記載があるのですが、ここもイマイチ　(1797,8,8)じゃないの？などとも思ったり。。。

print(X[0])

[ 0.  0.  5. 13.  9.  1.  0.  0.  0.  0. 13. 15. 10. 15.  5.  0.  0.  3.
 15.  2.  0. 11.  8.  0.  0.  4. 12.  0.  0.  8.  8.  0.  0.  5.  8.  0.
  0.  9.  8.  0.  0.  4. 11.  0.  1. 12.  7.  0.  0.  2. 14.  5. 10. 12.
  0.  0.  0.  0.  6. 13. 10.  0.  0.  0.]

となっていて、６４（８X８）のデータが出力されていますが、どこで白黒の度合が16段階で格納されているの？となってしまいます。。。どなたかご教示いただけますか？
合わせてカラー画像についても同じように３次元の意味をご教示いただけるとたすかります。

宜しくお願い致します。

Answer 1

1797個のデータがあって、 X の shape で表示された 64 は、データが 8ピクセル × 8ピクセル の画像データ（モノクロ画像）である。と記載があるのですが、ここもイマイチ　(1797,8,8)じゃないの？などとも思ったり。。。

data は (サンプル数, 特徴量の数) の2次元配列になっているため、形状は (1797, 64) となっています。画像として解釈したい場合、ndarray.reshape で (1797, 8, 8) に変更すればよいです。

import matplotlib.pyplot as plt
from sklearn.datasets import load_digits

digits = load_digits()

imgs = digits.data
labels = digits.target

imgs = imgs.reshape(-1, 8, 8)

# 1枚目を表示する。
fig, ax = plt.subplots()
ax.imshow(imgs[0], cmap="gray")
plt.show()

どこで白黒の度合が16段階で格納されているの？となってしまいます。。。どなたかご教示いただけますか？

(1797, 64) の2次元配列の各要素が 8x8 の1枚の画像を表していますので、例えば0枚目の画素値を確認したい場合は以下のようにします。

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_digits

digits = load_digits()

imgs = digits.data
labels = digits.target

imgs = imgs.reshape(-1, 8, 8)

# 1枚目の画素値
print(imgs[0])
# [[ 0.  0.  5. 13.  9.  1.  0.  0.]
#  [ 0.  0. 13. 15. 10. 15.  5.  0.]
#  [ 0.  3. 15.  2.  0. 11.  8.  0.]
#  [ 0.  4. 12.  0.  0.  8.  8.  0.]
#  [ 0.  5.  8.  0.  0.  9.  8.  0.]
#  [ 0.  4. 11.  0.  1. 12.  7.  0.]
#  [ 0.  2. 14.  5. 10. 12.  0.  0.]
#  [ 0.  0.  6. 13. 10.  0.  0.  0.]]

print(np.unique(imgs))
# [ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16.]

numpy.unique() で確認すると、画素値は 0 ~ 16 の値で表現されていることがわかります。

Comments

[nobita]

回答ありがとうございます。
すごくわかりやすいです。

また、カラー画像の場合も、 numpy.unique()で確認できるのでしょうか？

あと、こういったことをもっと深く学びたいのですが、どこで学んでいますか？ネットですか？

[tiitoi]

> 、カラー画像の場合も、 numpy.unique()で確認できるのでしょうか？

今回のデータでは画素が0~16 の値で表されていますが、通常、グレースケール画像の場合は (高さ, 幅) の2次元配列、カラー画像の場合は (高さ, 幅, 3) の3次元配列で表現されます。
値の範囲は 0 ~ 255 です。OpenCV の cv2.imread か matplotlib の plt.imread() にファイルパスを指定すると画像を読み込めるので、print して確認してみてください。

> あと、こういったことをもっと深く学びたいのですが、どこで学んでいますか？ネットですか？

学びたいことが画像処理なのか、機械学習なのかによりますが、いずれの場合も書籍を購入して勉強することをおすすめします。
特定の問題を解決するのに Web の情報は役立ちますが、ある分野を網羅的に学ぼうとした場合、Web は情報が分散していて効率が悪いと思います。

[nobita]

なるほど
# 1枚目の画素値
print(imgs[0])
# [[ 0. 0. 5. 13. 9. 1. 0. 0.]
# [ 0. 0. 13. 15. 10. 15. 5. 0.]
# [ 0. 3. 15. 2. 0. 11. 8. 0.]
# [ 0. 4. 12. 0. 0. 8. 8. 0.]
# [ 0. 5. 8. 0. 0. 9. 8. 0.]
# [ 0. 4. 11. 0. 1. 12. 7. 0.]
# [ 0. 2. 14. 5. 10. 12. 0. 0.]
# [ 0. 0. 6. 13. 10. 0. 0. 0.]]

こういった画像を配列で表示したときに、あらわされる数値が
print(np.unique(imgs))
# [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16.]

の０から１６までで表されているという感じでしょうか？？？

なるほど！！！たびたび申し訳ございませんが、おすすめの書籍等はありますか？

[tiitoi]

> ０から１６までで表されているという感じでしょうか？？？

はい

> たびたび申し訳ございませんが、おすすめの書籍等はありますか？

どの本が合うかは人によるので実際に大型書店等で確認されるのがよいかと思いますが、自分が挙げるのであれば、例えば「scikit-learnとTensorFlowによる実践機械学習」です。回帰分析から画像分類まで幅広く載っています。
https://www.amazon.co.jp/dp/4873118344/

[nobita]

すっきりしました
ありがとうございました！！！

その書籍探してみます！！ありがとうございます！！！