柚子快报邀请码778899分享：C-01 手写数字识别

柚子快报邀请码778899分享：C-01 手写数字识别

http://yzkb.51969.com/

目录手写数字识别应用程序一、导入模块二、图像转向量三、训练并测试模型四、模型转应用程序4.1 展示图片4.2 处理图片4.3 预测图片

人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html

手写数字识别应用程序

一、导入模块

import os

import pylab

import numpy as np

from PIL import Image

import matplotlib.pyplot as plt

from sklearn.svm import SVC

%matplotlib inline

二、图像转向量

def img2vector(filename):

"""将32*32的二进制图像转换为1*1024向量"""

# 构造一个一行有1024个元素的即 1*1024 的零向量

return_vect = np.zeros((1, 1024))

with open(filename, 'r', encoding='utf-8') as fr:

# 读取文件的每一行的所有元素

for i in range(32):

line_str = fr.readline()

# 把文件每一行的所有元素按照顺序写入构造的 1*1024 的零矩阵

for j in range(32):

return_vect[0, 32 * i + j] = int(line_str[j])

# 返回转换后的 1*1024 向量

return return_vect

三、训练并测试模型

# 手写数字集另一种导入方式

# 直接导入不贴近工业

def hand_writing_class_test():

"""手写数字分类测试"""

# 对训练集数据做处理，构造一个 m*1024 的矩阵，m 是训练集数据的个数

hw_labels = []

training_file_list = os.listdir('datasets/digits/trainingDigits') # type:list

m = len(training_file_list)

# 初始化训练的Mat矩阵，测试集

training_mat = np.zeros((m, 1024))

for i in range(m): # 0,1,2,3,4,...,1933

# 取出文件中包含的数字

file_name_str = training_file_list[i] # type:str

file_str = file_name_str.split('.')[0]

class_num_str = int(file_str.split('_')[0])

# 添加标记到hw_labels中

hw_labels.append(class_num_str)

# 把该文件中的所有元素构造成 1*1024 的矩阵后存入之前构造的 m*1024 的矩阵中对应的行

training_mat[i, :] = img2vector(

'datasets/digits/trainingDigits/{}'.format(file_name_str))

# 训练模型

clf = SVC(C=200, kernel='rbf', gamma='auto')

clf.fit(training_mat, hw_labels)

# 返回testDigits目录下的文件列表

test_file_list = os.listdir('digits/testDigits')

# 错误检测计数

error_count = 0

# 测试数据的数量

m_test = len(test_file_list)

# 对测试集中的单个数据做处理

for i in range(m_test):

# 取出文件中包含的数字

file_name_str = test_file_list[i]

file_str = file_name_str.split('.')[0]

class_num_str = int(file_str.split('_')[0])

# 把该文件中的所有元素构造成一个 1*1024 的矩阵

vector_under_test = img2vector(

'digits/testDigits/{}'.format(file_name_str))

# 对刚刚构造的 1*1024 的矩阵进行分类处理判断结果

classifier_result = clf.predict(vector_under_test)

# print("分类返回结果为{}\t真实结果为{}".format(classifier_result, class_num_str))

# 对判断错误的计数加 1

if classifier_result != class_num_str:

error_count += 1

print("总共错了{}个数据\n错误率为{:.2f}".format(

error_count, error_count/m_test * 100))

return clf

clf = hand_writing_class_test()

总共错了13个数据

错误率为1.37

四、模型转应用程序

4.1 展示图片

img = Image.open('img/2.jpg')

plt.imshow(img)

plt.show()

4.2 处理图片

def img_binaryzation(img_filename):

"""处理图片为文本文件"""

# 调整图片的大小为 32*32px

img = Image.open(img_filename)

out = img.resize((32, 32), Image.ANTIALIAS)

img_filename = 'test.jpg'

out.save(img_filename)

# RGB 转为二值化图

img = Image.open(img_filename)

lim = img.convert('1')

lim.save(img_filename)

img = Image.open(img_filename)

# 将图像转化为数组并将像素转换到0-1之间

img_ndarray = np.asarray(img, dtype='float64') / 256

# 将图像的矩阵形式转化成一位数组保存到 data 中

data = np.ndarray.flatten(img_ndarray)

# 将一维数组转化成矩阵

a_matrix = np.array(data).reshape(32, 32)

# 将矩阵保存到 txt 文件中转化为二进制0，1存储

img_filename_list = img_filename.split('.') # type:list

img_filename_list[-1] = 'jpg'

txt_filename = '.'.join(img_filename_list)

pylab.savetxt(txt_filename, a_matrix, fmt="%.0f", delimiter='')

# 把 .txt 文件中的0和1调换

with open(txt_filename, 'r') as fr:

data = fr.read()

data = data.replace('1', '2')

data = data.replace('0', '1')

data = data.replace('2', '0')

with open(txt_filename, 'w') as fw:

fw.write(data)

return txt_filename

4.3 预测图片

def hand_writing_predict(img_filename):

# 处理图片为文本文件

txt_filename = img_binaryzation(img_filename)

# 把该文件中的所有元素构造成一个 1*1024 的矩阵

vector_under_test = img2vector(txt_filename)

# 对刚刚构造的 1*1024 的矩阵进行分类处理判断结果

classifier_result = clf.predict(vector_under_test)

return classifier_result

print('**结果:{}**'.format(hand_writing_predict('img/2.jpg')))

os.remove('test.jpg')

**结果:[2]**

柚子快报邀请码778899分享：C-01 手写数字识别

http://yzkb.51969.com/

相关文章