我在进行脑肿瘤分类工作。数据集包含来自不同角度的脑部图像，这些图像带有肿瘤位置的边界和掩模。我已经裁剪了包含肿瘤的矩形区域，因为图像的其他部分由于拍摄角度不同而变化无关紧要。现在，我得到了一系列肿瘤图像，每张图像属于三种可能的肿瘤情况之一。但为了训练这些数据进行分类，我认为需要将二维图像数组调整为统一的形状。

可能的处理方法：

1) 将每张图像裁剪到固定尺寸（例如100×100）。但这会导致数据丢失，而且根据图像中肿瘤的位置，我可能会面临不均匀的裁剪，因为可能会碰到图像的边缘。

2) 将图像填充到比最大裁剪图像尺寸更大的固定形状（例如350×350）。但这似乎会引入数据噪声，我不确定如何在矩形的所有四边均匀填充图像。

由于这些方法似乎不可行，我正在寻找其他解决方案来解决这个问题。

回答：

常见的做法是裁剪每张图像上的肿瘤。你将获得不同大小的肿瘤图像。然后将这些肿瘤图像缩放到最小尺寸。根据你将用于分类的算法，谨慎选择用于缩放的重采样技术。最快的重采样方法是最近邻重采样，更平滑的方法是线性插值，最高级的方法可以是样条插值。