我在使用scikit-learn进行稀疏编码的尝试中，想尝试对图像进行分类。我的图像尺寸为128 x 128。从中我随机提取7x7的图像块，输入到具有100个中心点的kmeans算法中。这意味着我有一个包含100个原子的字典。因此，对于要分类的图像，我首先使用extract_patches_2d从图像中提取图像块，如果我没记错的话，这也被称为卷积采样。这意味着对于一张图像，我有(128-7+1)^2个图像块。我可以使用我的字典和正交匹配追踪法对每个图像块进行编码，从而得到(128-7+1)^2*(128-7+1)^2 * 100个（稀疏）特征。

下一步如何将这个(14884,100)的矩阵转换为特征向量呢？据我所知，这是通过平均池化或最大池化来完成的，但我无法完全理解给定这个矩阵时该如何操作。

回答：

你的图像是自然图像还是来自于某个非常具体的设置或科学成像？如果你想对自然图像进行分类，我建议你研究使用神经网络进行特征提取，或者使用手工制作的描述符，如SIFT（例如尝试来自scikit-image的DAISY）。

回答你的问题：要进行最大池化或平均池化，你需要决定是否要保留图像中的局部性。如果不需要，你可以对每张图像得到的每一行进行最大值或平均值计算。如果你想保留局部性，你可以在图像上放置一个3×3或类似的网格，并仅对位于特定网格单元内的图像块进行平均值或最大值计算。这样，每张图像就可以得到例如3x3x100个特征。