惊蛰已过，一声春雷，大地开始解冻。

条件允许的话，出去晒晒太阳，看看风景，赏赏花。

也可以在央视直播云赏花，十多个机位展示了全国各地不同地区的美丽风景。

形色

看到好看的花，但是叫不上名字怎么办？

这里推荐一下「形色」，一款小众的识花应用，带你遇见全世界的植物。

通过拍照上传植物图片，应用 1 秒给出花名和比对图，更有花语诗词、植物趣闻等丰富内容，涨知识。

客户端的功能更加丰富些，除了能够识别植物外，还有养花技巧、社区等等。

不过更推荐使用小程序，功能更加纯粹，不占内存。

识花的原理

机器为什么能够识别出图片中花的种类？

要知道机器如何识别，可以先想想人类如何去认识花朵。

我们根据花瓣花蕊的外形、颜色，以及其他的一些特征，通过这些特征去脑海搜寻对应花的名词。

但往往我们的记忆并不深刻，或者说会因为视觉上的偏差导致混淆。

同样的，机器识别花朵也需要提取特征，然后将这些特征去和已经被打上标签的花朵特征进行匹配，如果达到一定的相似度，就可将两种花归为一类。

这个提取特征的过程，也是机器学习的过程，如果数据量足够大，匹配的结果会更加的准确。

机器是如何提取图片上花的特征的？

首先要知道，图片本质就是像素值的矩阵。如果是普通的灰度图，可以使用简单的二维矩阵表示，矩阵中的值为表示灰色的程度。例如下面的这张 8

如果是彩色的图片，那么需要使用更高维的矩阵去表示。

因此，可以通过提取矩阵的特征来表示图片的特征。

卷积是常用地矩阵特征提取方式，具体看下面的动画。

上面就是一个卷积的过程。黄色的矩阵叫做“滤波器（filter）”或者“核（kernel）”，通过在图像上滑动滤波器并计算点乘得到矩阵叫做“特征图（Feature Map）”

例如这张8，通过两次卷积操作，最后识别出符合 8 的特征。（池化和全连接此处不做赘述）

所以，机器经过这样的一系列操作，提取特征然后对花进行识别分类。当然，这中间机器的学习是一个非常复杂的过程，有许多地方是可以优化，同时更多的数据量也可以提高识别度精度。

完