寫在前面

其實我之前寫過一個簡單的識別手寫數(shù)字的程序，但是因為邏輯比較簡單，而且要求比較嚴苛，是在50x50大小像素的白底圖上手寫黑色數(shù)字，并且給的訓練材料也不夠多，導致準確率只能五五開。所以這一次準備寫一個加強升級版的，借此來提升我對Python處理文件與圖片的能力。

這次準備加強難度：

• 被識別圖片可以是任意大??；
• 不一定是白底圖，只要數(shù)字顏色是黑色，周圍環(huán)境是淺色就行；
• 加強識別手寫數(shù)字的邏輯，提升準確率。

因為我還沒開始正式寫，并且最近專業(yè)課程學習也比較緊迫，所以可能更新的比較慢。不過放心，代碼質(zhì)量肯定是不會下降的，我會盡我所能寫的邏輯明確、通俗易懂點。

所以這次面向的人群是擁有一定Python基礎(chǔ)，對數(shù)學算發(fā)有一點了解（識別圖像的算法嘛）的人。

但畢竟我不是專業(yè)的，也沒有看那么多論文，所以我這里運用的算法僅僅是我一個粗淺的想法，只是為了練手而已。如果和實際應(yīng)用脫節(jié)，還望莫怪。

當然，如果諸位有什么比較好的想法，可以在下方評論或者私信我，我們可以探討一下，相互進步。

整體思路

大綱

對圖片的預(yù)處理

在最開始的時候，我們假設(shè)只擁有一個訓練庫，里面是從0到9的手寫數(shù)字圖案若干組。

所以我們首先應(yīng)該將這些圖案讀入程序中，然后運用某種方式保存好，用來后面識別圖片。

這里的圖案我們假設(shè)是大小不一的，里面手寫的數(shù)字也是有大有小。所以我們可以將包住手寫數(shù)字圖案的最小矩形給裁剪出來，然后將裁剪出來的圖案統(tǒng)一給拉伸成相同大小的圖案。

以上操作得出一個矩陣，這個矩陣的值是圖案的灰度值。對于訓練用的圖片和被檢測的圖片我們都是這樣處理。

圖像識別的算法處理

我這里想用兩個方法來讓數(shù)字識別準確點：

• 識別所寫數(shù)字的“洞數(shù)”；
• 將圖片轉(zhuǎn)為1xn的向量，然后根據(jù)根據(jù)訓練圖片分出的類對被識別圖片圖片進行分類。
  

洞數(shù)就是某個數(shù)字是否有閉合的曲線，比如說7沒有洞，6有一個洞，8有兩個洞。所以我們根據(jù)洞數(shù)可以分成以下三類

0洞：1, 2, 3, 4, 5, 7
1洞：6, 9, 0
2洞：8

但是因為各種手寫差異，比如說6, 9, 8之類的沒有閉合，4上面閉合，所以會導致下面這種可能情況

0洞：1, 2, 3, 4, 5, 6, 7, 9
1洞：6, 8, 9, 0
2洞：8

雖然說這樣分類0洞占大多數(shù)，但是聊勝于無。

對于將圖片轉(zhuǎn)為向量的意思就是將圖片原本的二維矩陣展開稱為一維向量。這個用numpy的函數(shù)可以可以很簡單的實現(xiàn)。

對于這個分類，下面我就簡單的講一下原理。

假設(shè)我們在二維平面上有兩個點A=(1,1)和B=(5,5)，我現(xiàn)在再放一個點C=(2,2)，那么請問，C點離哪一個更近？

學過初中數(shù)學的都會知道肯定是離A點更近。所以我們換一種說法，我們現(xiàn)在有兩個類A和B，A類中包括了點(1,1),B類中包括了點(5,5)，所以對于點(2,2)，它可能屬于哪一類？

因為這個點離A類的點更近一點，所以它可能屬于A類。這就是結(jié)論。那么對于3維空間，A類是點(1,1,1)和B類是(5,5,5)，那么對于點(2,2,2)肯定也是屬于A類。

可以看出，我們這里是將兩個點的距離來作為判斷屬于哪一類的標準。那么對于我們將圖片拉成的1xn維向量，他實際上投影到n維空間上就是一個點，所以我們將訓練向量分成10類，分別代表十個數(shù)字，那么被識別數(shù)字靠近哪一個類，那說明它有可能屬于這一個類。

那么我們這里可以假設(shè)對于被識別向量，列出距離他最近的前十個向量分別屬于哪一類別，然后根據(jù)名次加上一個權(quán)重，并計算出一個值。該值代表了可能是屬于哪一個類，因此這就是我們得出的最終的一個結(jié)果——被識別手寫數(shù)字圖片的值。

難點

保存已訓練圖片的向量。這一條我想就直接保存在csv文件中，每一次運算時先判斷是否有新的訓練圖片加入，如果有，則把新的圖片向量也存入csv文件中。若沒有，則直接讀取所有向量保存在一個大矩陣中用于計算。

將手寫數(shù)字從背景中分離。因為我這里令手寫數(shù)字為黑色（灰度值為0），其他背景色盡量為，所以就令灰度值大于某個界限（如50）的點全部為255（白色），其余不變。這樣子只要非255，那就是手寫數(shù)字的點。

識別手寫數(shù)字的洞。這個有算法，搞過程序設(shè)計競賽的應(yīng)該會了解。具體我就不細講了，大概就是利用遞歸之類的去尋找。

求向量距離。這個更簡單了，求解每一個訓練向量與識別向量的距離就行，只不過當訓練向量比較大的時候可能比較慢。

總結(jié)

以上就是全部思路，如果諸位有更好的想法，歡迎評論/私信我，讓我們一起相互學習進步，謝謝。

最新評論