具体做法是：色彩浓度在阈值以上的像素，取值为1，低于阈值就让它为0。
    这样一来，原本的真彩色照片，就被转换成了黑白轮廓图。
    然后，再将轮廓图中的0或者1的取值，按照从左到右、从上到下的顺序，重新编排成一行数据，存放到数组Feature中。
    Feature中的每一行，都存储了一张照片的二值化信息。
    一共9527张照片，就需要9527行。
    全部照片处理完毕后，就得到了一个巨大的二维数组Feature。
    它有25200列、9527行。
    接下来，定义一个拥有9527个整形元素的一维数组Label。
    从label.xls中读入性别信息，男生设为1，女生设为0，存放在数组Label中。
    Feature加上对应的Label，就构成了训练数据集。
    训练“感知机”时，将一行行Feature代入公式中，进行加权和运算，其结果再通过sign函数，转换为0或1，然后和对应的Label值对照。
    如果不相符，就调整权重和偏置，然后重新计算。
    当每一个Feature代入公式后，都能计算出正确的Label时，就得到了一组权重和偏置。
    也就是说，构建出了一个可用的数学模型。
    依据这个模型，计算机就可以读入任何一张同尺寸、类型的照片，对其二值化

本章还未完，请点击下一页继续阅读>>>