用101000张食物图片实现图像识别（数据的获取与处理）-python-tensorflow框架

　　　　前段时间，日剧《轮到你了》大火，作为程序员的我，看到了另外一个程序员—二阶堂，他的生活作息，以及饮食规律，让我感同身受，最让我感触的是他做的AI聊天机器人，AI菜品分析机器人，AI罪犯分析。　

　　　　这让作为程序员的我突然萌生了一股攀比和一种激情，我也得做一个出来（小声bb，都得尝试下）：

　　　　于是，我想从相对简单的做起，《AI菜品分析机器人》：

　　　　AI菜品分析机器人：

　　　　　　　　1.建立语料库，爬取各个网站的对话和问答，这里我采用的是知乎以及调用api获取实时对话，至于代码的话我这里就不放了，涉及比较多，我这里侧重点是图像识别，大概获取了将近4万条数据，

　　　　　　　　　　这里给出部分结果：

　　　　　　　　　　　　　　　　　　　　　　　

　　　　　　　　2.关于图像识别：

　　　　　　　　　　1.图像训练需要极大的数据，我这里找了很久，通过各种手段，找到了kaggle比赛曾用过的101000张图片，里面有101种食物图片，如下（部分）

　　　　　　　　　　　

　　　　　　　　　　类似于上述图片，每一个图片都是都是对应得食物，我们需要提取每一张图片的特征值。

　　　　　　　　　　2.我们可以看出上述图片，大小不一，还具有色彩，我们特征值提取，是将图片进行矩阵化，所以我们在这里需要将图片变成大小一样，并且灰度处理。这里我们解释下：

　　　　　　　　　　将图片处理成大小一样：我们训练数据的时候是将图片矩阵化，如果图片大小不一样，我们得矩阵大小就不一样，所以在训练得时候会有问题，为了简单方便，我们直接将其同一化：

　　　　　　　　　　

import numpy as np
from PIL import Image
img =Image.open("F:/images/baby_back_ribs/"+i).convert('L')
        img=img.resize((512,512))
        img.save("F:/baby_back_ribs28/"+i)

　　　　　　　　　　这里，我们通过img =Image.open("F:/images/baby_back_ribs/"+i).convert('L')将图片灰度处理，然后img=img.resize((512,512))处理图片为512，512，最后保存：

　　　　　　　　　　

　　　　　　　　　　可以看出，我们处理过后得图片如上，得出这样的图片后，我们就可以用来作为数据了

　　　　　　　　　　3.我们将我们获取的灰度图片矩阵化：

　　　　　　　　　　

 for i in range(512):
            for j in range(512):
                pixel=1.0-float(img.getpixel((j,i)))/255.0

　　　　　　　　　　所以我们可以将其矩阵化：

　　　　　　　　　　

　　　　　　　　　　每张图片有512*512个数据，我们这里是将一个二维矩阵扁平化为一维矩阵。所以我们可以将这101000张图片所有数据都矩阵化，然后测试算法。

　　　　　　　　　　

　　　　　　　　　　具体的代码，还在测试中，目前遇到得问题比较多，正在一步一步处理，后面会继续更新，下面给出我遇到的一些问题和解决：

　　　　　　　　　　

　　　　　　　　　　1.数据的获取：这101000张图片我找了很久才找到的数据（约有5个g）。

　　　　　　　　　　2.数据量比较大，在处理的时候容易出错，所以大家在写的时候一定要仔细，最好把源图复制一份，保留下来。

　　　　　　　　　　3.图片特征比较多，普通的算法难以满足，容易出现过拟合现象，而且1000张图也不算特别多，准确率较低，容易识别出错。

　　　　　　　　　　4.在实现矩阵算法的时候，每次带入100张图片进行训练，注意图片维度，以及图片长度。

　　　　

　　　　　　　　　　等数据测试稳定后会放出源码让大家学习。

　　　　　　　　　　

　　　　　　　　　　持续更新中,希望大家留意后面的博客.....