我如何find与Python的Wally？
无耻地跳上了潮stream:-)
启发如何findWaldo与Mathematica和后续如何find与R的Waldo ，作为一个新的Python用户，我很想看看如何做到这一点。 似乎python会比R更适合这个，我们不必担心像Mathematica或Matlab那样的许可证。
在下面的例子中，显然简单地使用条纹是行不通的。 如果一个简单的基于规则的方法可以用于这样的困难例子，那将是有趣的。
我已经添加了[机器学习]标签，因为我相信正确答案将不得不使用ML技术，例如Gregory Klopper在原始主题中提倡的限制玻尔兹曼机（RBM）方法。 Python中有一些可用的RBM代码 ，可能是一个很好的开始，但显然这种方法需要训练数据。
在2009年IEEE国际信号处理机器学习研讨会（MLSP 2009）上，他们进行了一个数据分析竞赛：Wally在哪里？ 。 训练数据以matlab格式提供。 请注意，该网站上的链接已经失效，但数据（以及Sean McLoone及其同事所采取的方法的来源可以在这里find（请参阅SCM链接）。似乎只有一个地方可以开始。
这是一个与mahotas的实现
from pylab import imshow import numpy as np import mahotas wally = mahotas.imread('DepartmentStore.jpg') wfloat = wally.astype(float) r,g,b = wfloat.transpose((2,0,1)) 分成红色，绿色和蓝色通道。 最好使用下面的浮点algorithm，所以我们转换在顶部。
w = wfloat.mean(2)
w是白色通道。
pattern = np.ones((24,16), float) for i in xrange(2): pattern[i::4] = -1
在垂直轴上build立+ 1，+ 1，-1，-1的模式。 这是wally的衬衫。
v = mahotas.convolve(rw, pattern)
卷起红色减去白色。 如果衬衫是这样的，这将会给予强烈的回应。
mask = (v == v.max()) mask = mahotas.dilate(mask, np.ones((48,24)))
寻找最大的价值，并扩大它，使其可见。 现在，我们调整整个形象，除了地区或利益：
wally -= .8*wally * ~mask[:,:,None] imshow(wally)
我们得到 
！
您可以尝试模板匹配，然后取下产生了最高相似度的模板，然后使用机器学习进一步缩小范围。 这也是非常困难的，并且与模板匹配的准确性，它可能只是返回每个面部或面部的形象。 我认为如果你希望一直这样做，你将不仅需要机器学习。
也许你应该把问题分解成两个小问题：
- 创build一个将人与背景分开的algorithm。
- 训练一个neural network分类器尽可能多的积极和消极的例子。
这些仍然是两个非常大的问题来解决…
顺便说一句，我会selectc ++和打开简历，它似乎更适合这个。
这不是不可能的，但是非常困难，因为你没有一个成功的比赛的例子。 通常有多个状态（在这种情况下，查找工具图纸的例子更多），然后可以将多个图像input到图像重构程序中，并将其视为隐马尔可夫模型，并使用类似于维特比algorithm进行推理（ http：/ / /en.wikipedia.org/wiki/Viterbi_algorithm ）。
这就是我会的方式，但假设你有多个图像，你可以给它正确的答案的例子，所以它可以学习。 如果你只有一张照片，那么我很抱歉，你可能需要采取另一种方法。
我认识到，有两个几乎总是可见的主要特点：
- 红白色的条纹衬衫
- 花式帽下深棕色的头发
所以我会这样做：
search条纹衬衫：
- 过滤出红色和白色（HSV转换图像上的阈值）。 这给你两个蒙版图像。
- 把它们加在一起 - >这是search条纹衬衫的主要面具。
- 将所有滤出的红色转换为纯红色（＃FF0000），并将所有滤出的白色转换成纯白色（#FFFFFF）。
- 现在把这个纯红白的图像与条纹图案相关联（我认为所有的waldo都有相当完美的水平条纹，所以不需要旋转图案）。 只在上面提到的主要面具内进行关联。
- 尝试将可能由一件衬衫产生的群集合在一起。
如果有多个“衬衫”，也就是说，多于一个的正相关集群，则寻找其他特征，如深褐色的头发：
寻找棕色的头发
- 使用HSV转换的图像和一些阈值滤出特定的棕色头发的颜色。
- search这个蒙版图像中的某个区域 – 不是太大，也不是太小。
- 现在search一个正好在（之前）检测到的条纹衬衫之上的“发区”，并与衬衫的中心有一定的距离。
