首页 > 操作系统 >

python实现识别手写数字 python图像识别算法

电脑杂谈　发布时间：2019-08-24 14:02:21　来源：网络整理

图像拼接算法代码_图像识别算法实现代码_图像拼接算法及实现

写在前面

这一段的内容可以说是最难的一部分之一了，因为是辨识图像，所以涉及到的算法会相比之前的来说比较困难，所以我尽量会讲得知道一点。

而且因为在编写的过程中，把上面的一些逻辑也设置了一些，将其变得更完善了，所以一切以本篇的为准。当然，如果想要直接看代码，代码全部放到我的GitHub中，所以这篇文章主要负责讲解，如需代码请自行前往GitHub。

本次大纲

上一次提到了的构建，我们无法实时的将升级的训练照片存入CSV文件中。所以现在继续往后走，该轮到识别照片的内容了。

首先我们应该从文件夹中提取出还要被识别的照片test.png，并且把它经过与训练图片相同的处理得到1x10000大小的向量。因为两者之间存在微小的差别，我也不是很想再往源代码之中减少逻辑了，所以我就直接把提高待识别照片的函数重新写一个命名为GetTestPicture，内容与GetTrainPicture类似，只不过少了“增加图片名称”这一个部分。

之后我们就可以开始进行正式图片识别内容了。

主要是计算待识别图片与所有练习图片的距离。当两个图片距离越近的之后，说明人们越相近，那么他们很有可能写的就是同一个数。所以运用这个机理，我们可以找出距离待甄别图像今天的几个训练照片，并输出他们的数字分别是几。比如说我想输出前三个，前三个分别是3，3，9，那就表明这个待识别照片很有可能是3.

之后还可以对每一个位置加个权重，具体的就放到下一次再讲，本节内容将要够多了。

（第一篇文章之中我讲到利用照片洞数测试。我尝试了一下，认为有些不妥，具体理由放到本文末。）

MAIN代码

所以直接把主要代码放上来，逻辑相对来说还是比较清晰的

图像拼接算法代码_图像拼接算法及实现_图像识别算法实现代码

import os
import OperatePicture as OP
import OperateDatabase as OD
import PictureAlgorithm as PA
import csv
##Essential vavriable 基础变量
#Standard size 标准大小
N = 100
#Gray threshold 灰度阈值
color = 200/255
n = 10
#读取原CSV文件
reader = list(csv.reader(open('Database.csv', encoding = 'utf-8')))
#清除读取后的第一个空行
del reader[0]
#读取num目录下的所有文件名
fileNames = os.listdir(r"./num/")
#对比fileNames与reader，得到新增的图片newFileNames
newFileNames = OD.NewFiles(fileNames, reader)
print('New pictures are: ', newFileNames)
#得到newFilesNames对应的矩阵
pic = OP.GetTrainPicture(newFileNames)
#将新增图片矩阵存入CSV中
OD.SaveToCSV(pic, newFileNames)
#将原矩阵与新矩阵合并
pic = OD.Combination(reader, pic)
#得到待识别图片
testFiles = os.listdir(r"./test/")
testPic = OP.GetTestPicture(testFiles)
#计算每一个待识别图片的可能分类
result = PA.CalculateResult(testPic, pic)
for item in result:
  for i in range(n):
    print('第'+str(i+1)+'个向量为'+str(item[i+n])+',距离为'+str(item[i]))

相比上一篇文章的内容，本篇文章里只增加了以下的的一段代码，即得到待识别截图名称、得到待甄别照片向量、计算分类。

下面我们将侧重讲解CalculateResult函数的内容，即辨识图片的算法。

算法内容

算法大致详解

我们在大纲之中已经简单介绍过了，所以我就直接把复制过来，并且再添加一些内容。

假设我们在二维平面上有两个点A=(1,1)和B=(5,5)，我今天再放一个点C=(2,2)，那么请问，C点离哪一个更近？

学过大学英语的就会明白肯定是离A点更近。所以我们换一种说法，我们今天有两个类A和B，A类中包含了点(1,1),B类中包含了点(5,5)图像识别算法实现代码，所以对于点(2,2)，它可能属于哪一类？

因为这个点离A类的点更近一点，所以它可能属于A类。这就是结论。那么针对3维空间，A类是点(1,1,1)和B类是(5,5,5)，那么对于点(2,2,2)肯定也有属于A类。

可以看出，我们这里是将两个点的距离来成为判定属于哪一类的标准。那么针对我们将截图拉成的1xn维向量，他实际上投影到n维空间上就是一个点，所以我们将训练向量分成10类，分别代表十个数字，那么被辨别数字靠近哪一个类，那表明它有可能属于这一个类。

那么我们这里可以设想对于被识别向量，列出距离他今天的前十个向量分别属于哪一类型，然后依据排名加上一个权重，并换算出一个值。该值代表了可能是属于哪一个类，因此这就是我们得出的最后的一个结果——被识别手写数字照片的值。

以上是第一篇文章中的内容，下面我注重讲一下数学方面的内容。

图像拼接算法及实现_图像识别算法实现代码_图像拼接算法代码

考虑到某些地方不就能输入数学公式（或不方便输入），我还是把这一段内容贴成图片出来。

之后直接挑出前几个离被识别照片近期的向量数字，基本上这几个数字就是被识别照片的数字了。但这样做未免有些简单，所以下一篇文章我会再深入一下，这张先讲计算距离的内容。

主代码

下面的代码中文件夹test用来保存待识别照片，并通过变量GetTestPicture来得到图片向量，之后和练习图片pic一起放进计算距离的变量CalculateResult中推导每一个待识别向量和其他所有图片向量的距离。

#得到待识别图片
testFiles = os.listdir(r"./test/")
testPic = OP.GetTestPicture(testFiles)
#计算每一个待识别图片的可能分类
result = PA.CalculateResult(testPic, pic)
for item in result:
  for i in range(n):
    print('第'+str(i+1)+'个向量为'+str(item[i+n])+',距离为'+str(item[i]))

函数CalculateResult在文件PictureAlgorithm.py中，这个文件上面包括了两个函数为CalculateDistance函数和CalculateResult函数，代表识别截图所用到的算法。

函数CalculateResult

这个函数的逻辑比较简洁，也没什么好说的，主要的联系就是这个计算距离的CalculateDistance函数。

def CalculateResult(test, train):
  '''计算待识别图片test的可能分类'''
  #得到每个图片的前n相似图片
  testDis = CalculateDistance(test[:,0:N**2], train[:,0:N**2], train[:,N**2], n)
  #将testDis变成列表
  tt = testDis.tolist()
  #输出每一个待识别图片的所有前n个
  for i in tt:
    for j in i:
      print(j)

函数CalculateDistance

函数中我导出了四个参数：被识别向量test，训练向量train，与训练向量对应的每个向量对应代表的数字num，想要导出的前n个距离最近的向量。

图像拼接算法及实现_图像识别算法实现代码_图像拼接算法代码

def CalculateDistance(test, train, num, n):
  '''计算每个图片前n相似图片'''
  #前n个放距离，后n个放数字
  dis = np.zeros(2*n*len(test)).reshape(len(test), 2*n)
  for i, item in enumerate(test):
    #计算出每个训练图片与该待识别图片的距离
    itemDis = np.sqrt(np.sum((item-train)**2, axis=1))
    #对距离进行排序，找出前n个
    sortDis = np.sort(itemDis)
    dis[i, 0:n] = sortDis[0:n]
    for j in range(n):
      #找到前几个在原矩阵中的位置
      maxPoint = list(itemDis).index(sortDis[j])
      #找到num对应位置的数字，存入dis中
      dis[i, j+n] = num[maxPoint]
  return dis

首先创建一个行数为test内被识别向量数量，列数为2*n的矩阵，每一行前n个放距离，后n个放数字。之后针对每一个被识别向量进行循环。

首先直接计算每个训练照片与该识别截图的距离图像识别算法实现代码，直接可以用一行代码表示

itemDis = np.sqrt(np.sum((item-train)**2, axis=1))

这一行代码就是上文中的算法过程，我个人认为还是比较复杂的，可以具体的拆开看一下，我这里不细讲了。下面的内容就是开始顺序使得找到距离今天的前几个向量。

这里的逻辑是：先顺序，找到距离最小的前n个，存入矩阵。找到前n个在原矩阵中的位置，并找到对应位置上num的数字，存入dis的后n个。

这样子就相当于完成了所有内容，返回dis即可。

实际测试

我自己动手写了一些数字，如图所示。所以实际上我们的还是比较小的。