MNIST数据集的gist特征提取（含全部实例代码下载地址）

这些天处理图像检索的一些benchmark数据集，今天处理了MNIST数据集，并对其进行了特征的提取。我的方法可能不一定是最优，但是按照这样的步骤来做，得到了我最后想要的特征数据结果。需要的朋友可以参考下。

（MNIST数据集介绍官网：http://yann.lecun.com/exdb/mnist/，如果对这个数据集中的数据形式不了解，建议可以看一下）

1. 首先，通过官网我们知道MNIST这个数据集中的数据包含60000个训练数据和10000个测试数据，其图片数据形式是按行存储的，每一行是784=28*28像素点的一张图片，这里可以跟CIFAR-10的彩色图像RGB三通道的图片数据处理进行一下对比记忆。对于MNIST这样的灰度值图片数据，处理起来比彩色图片简单多了。

为了证实每一行是存储的一张图片，我写了一个m文件（下载资源中的export_Mnist_to_images.m，可以不用全部输出，可以设置只输出一部分查看结果即可，但是后面提取特征时候需要用到，所以最好还是全部输出图片），在matlab中进行可视化，输出结果，证实了该结果。下图为截取的部分结果。

这里，中途遇到一个波折，一开始对于这些图片的命名时，是采用在该文件夹名字后面添加五位整数从00001-70000.jpg，但是后来在特征提取for循环中读取图片进行图片名字匹配的时候很不方便，于是我重新生成了一遍（这个过程比较快，大概几分钟就能够完成），直接使用循环自增参数i+‘.jpg’,这样之后特征提取的时候就直接使用strcat匹配构造出可以循环读取的图片名了。这个小小的技巧也分享一下。

另外，这里插入提及一下对文件批量重命名的方法，但是我既然在这个过程中使用了就一并分享一下。

这个例子针对一个文件夹中的大量图片文件，如果图片并没有按照包含数字自增的区别或者比较混乱，或者自增，但是自增幅度不是1的时候，可以考虑对全部文件进行重命名。首先Ctrl+A选中全部文件，然后按键盘F2，之后对鼠标对第一个文件右键选择重命名，然后点击enter，接着文件就可以批量自增重命名文件了。举个栗子，如果对第一个文件的重命名为image1.jpg,总共有10,000张图片，那么最后批量重命名之后，这10,000张图片的文件名为image (1).jpg，image (2).jpg,...image (10000).jpg,注意image与后面的括号编号之间有一个空格，一定要小心，否则无法找到文件。

2.第二步，就是对得到的图片进行特征提取。

这里先引用了一个对彩色图像进行特征提取的实例，在其基础上，我进行了对以上黑白图片的特征提取，并先预先输出几个进行了测试。因为这个过程耗时较长，如果出错那么运行的几个小时时间可能就浪费了。

测试正确之后就循环对70000张图片进行特征提取，并保存在一个矩阵中，这里要注意提取的是512维的特征，因此最后的到的数据矩阵大小为70000*512，注意数据维数的设置不要出错。

特征提取的过程比起生成图片就慢多了，这个过程我花了2个小时50分钟左右（从下午15:14到18:01）。另外就是，对于程序的运行，这种暂无输出而又比较长的运行过程，可以在每次迭代之后考虑在命令行窗口输出一行信息，类似于fprintf('the %d iter is finished.\n', i)，这样可以使得程序运行过程更明了，并且出错的话也能够很快查找。

虽然这个过程看似比较简单，但是一开始摸索的时候还是遇到一些困难的。也学习了一些细节的东西，比如如何将灰度图直接画出来（这里用的是imshow，跟RGB图片的输出不同）等。自己要一步一步做这个工作。

这里分享一下完成该过程的所有代码和初始数据集，希望对做此研究的朋友有帮助，少走弯路。

下载地址为http://download.csdn.net/detail/ying_xu/9413394。

由于最后生成的特征数据集文件太大，因此放置到百度云盘，下载链接为http://pan.baidu.com/s/1gdQP3Ab。