我有1797个Mnist图像，需要为其提取两个特征（FilledArea，EulerNumber）。我知道如何在Matlab中做到这一点。我的特征矩阵在Matlab中具有（并且是正确的）1797 * 2的大小（每个维度为1797）
Matlab代码（正常工作）
for i = 1:2*N
img = regionprops(BW(:,:,i),'FilledArea', 'Solidity');
features(i, 1) = img.EulerNumber;
features(i, 2) = img.FilledArea;
clear img;
end
我想用Skimage regionprops在python中做同样的事情，但是对于1797张图像，我得到了29350 * 2个功能（每个功能为29350个道具），根据我的理解，应该是1797 * 2
python代码（无法正常工作）
digits = datasets.load_digits()
label_img = digits.images
rps = regionprops(label_img, cache=False)
print(len([r.area for r in rps])) #29350
print(len([r.euler_number for r in rps])) #29350
我的方法可能有什么问题？为什么每个功能都有29350个元素而不是1797？
最佳答案
就像在Matlab中需要一个for循环来计算每个图像的属性一样，在Python中也需要一个for循环来执行相同的操作。当前，您正在计算形状为（1797、8、8）的单个3D图像的属性，而不是形状为（8、8）的1797 2D图像的属性。这是您所需要的等效的Python代码：
features = []
for image in digits.images:
labels = (image > 0).astype(int) # only one object in the image
props = regionprops(labels, image)[0] # only one object
features.append((props.euler_number, props.filled_area))