网页采集器的自动识别算法( 2020年03月23日15:55:59python实现识别手写数字)

　　网页采集器的自动识别算法(

2020年03月23日15:55:59python实现识别手写数字)

　　python实现手写数字识别 python图像识别算法

　　更新时间：2020-03-23 15:55:59 作者：Hanpu_Liang

　　本文文章主要详细介绍python识别手写数字的实现，python图像识别算法，有一定的参考价值，感兴趣的朋友可以参考一下

　　写在前面

　　这一段的内容可以说是最难的部分之一。因为是识别图像，涉及到的算法会比上一个难度更大，所以我尽量说清楚。

　　并且因为在写的过程中，对之前的一些逻辑也进行了修改和完善，所以一切以本文为准。当然，如果你想直接看代码，代码都放在我的GitHub上，所以这个文章主要负责讲解，如果需要代码，请自行去GitHub。

　　这个大纲

　　上次我写了关于建立数据库的文章，我们能够将更新的训练图像实时存储在 CSV 文件中。所以这次继续往下看，就到了识别图片内容的时候了。

　　首先，我们需要从文件夹中提取出要识别的图片test.png，和训练图片一样的处理，得到一个1x10000的向量。因为两者有细微的差别，我并不想在源码中添加逻辑，所以直接重写了添加待识别图片的函数，命名为GetTestPicture。内容与GetTrainPicture类似，但缺少“添加图片名称”部分。

　　之后，我们就可以开始正式的图像识别内容了。

　　主要目的是计算待识别图像与所有训练图像之间的距离。当两张图片更接近时，意味着它们更相似，因此它们很可能会写相同的数字。所以利用这个原理，我们可以找出最接近待识别图像的训练图像，并输出它们的数量。比如我要输出前三个，而前三个分别是3、3、9，则表示要识别的图像很可能是3.

　　之后，还可以给每个位置加一个权重，细节下次再说。本节内容足够。

　　（在第一篇文章中，我提到了使用图片孔数来检测，我试过了，觉得有点不合适，具体原因在文末。）

　　主要代码

　　所以直接放主代码，逻辑比较清晰

　　

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)

#将原数据库矩阵与新数据库矩阵合并

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]))

　　与上一篇文章的内容相比，本文文章只增加了如下一段代码，即获取待识别图片的名称，获取待识别的图片向量，并计算分类。

　　下面我们将重点介绍CalculateResult函数的内容，即识别图像的算法。

　　算法内容

　　一般算法

　　我们在大纲里已经简单介绍过了，我就照搬一下，补充一些内容。

　　假设我们在二维平面上有两个点 A=(1,1) 和 B=(5,5)，我现在将另一个点 C=(2,2),那么，哪一个更接近C点？

　　初中学过数学的都知道，肯定离A点比较近。所以换个说法，我们现在有A和B两个班，A班包括点(1,1) ，B类包括点（5，5)，那么对于点（2，2)，它可能属于哪个类别？

　　因为这个点离A类的点有点近，所以很可能属于A类。这就是结论。那么对于3维空间，A类是点(1,1,1)，B类是(5,5,5)，那么对于点(2,2,2) 必须相同）属于 A 类。

　　可以看出，我们以两点之间的距离作为判断属于哪个类别的标准。那么对于我们把图片拉进去的1xn维向量，投影到n维空间上其实就是一个点，所以我们把训练向量分成10个类别，分别代表十个数字，那么哪个类别是识别出来的数字close to，然后说明它可能属于这一类。

　　那么我们这里可以假设对于识别出的向量，列出离他最近的前十个向量属于哪个类别，然后根据排名加上一个权重，计算一个值。这个值代表它可能属于哪个类，所以这就是我们得到的最终结果——识别出的手写数字图片的值。

　　以上是第一个文章的内容，现在我重点讲数学的内容。

　　考虑到有些地方不能输入数学公式（或者输入不方便），我还是把这一段贴图。

　　

　　然后直接挑出最接近识别图片的前几个向量。基本上，这些数字是识别图片的数字。但是这样做有点简单，所以在下一篇文章我会深入，这篇先讲计算距离。

　　主要代码

　　在下面的代码中，文件夹test用来存放要识别的图片，通过函数GetTestPicture得到图片向量，然后和训练图片pic一起放入计算距离的函数CalculateResult中计算距离在每个要识别的向量和所有其他图像向量之间。.

　　

#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。该文件收录两个函数：CalculateDistance 函数和CalculateResult 函数，代表用于识别图片的算法。

　　函数计算结果

　　这个函数的逻辑比较简单，没什么好说的。主要连接是计算距离的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)

　　函数计算距离

　　在函数中，我导入了四个参数：识别向量test，训练向量train，每个向量对应的训练向量所代表的数字num，以及我要导出的前n个最近的向量。

　　

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，创建一个矩阵，其行数为测试中识别的向量数，列数为 2*n。每行的前 n 是距离，最后 n 是数字。然后循环每个识别的向量。

　　首先，直接计算每张训练图像与识别图像的距离，可以直接用一行代码表示

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

　　这行代码就是上面的算法过程。我个人认为是比较复杂的。你可以仔细看看。我不会在这里详细介绍。下面开始排序，找到最接近的前几个向量。

　　这里的逻辑是：先排序，找到距离最小的前n个，存入矩阵。求原矩阵的前n个位置，求对应位置的num个数，存入dis的最后n个。

　　这相当于完​​成了一切，只需返回dis即可。

　　实际测试

　　我手写了一些数字，如图所示。所以实际上我们的数据库还是比较小的。

　　

　　所以我写了另一个数字作为要识别的图像。运行完程序，我们直接输出前十个最相似的向量：

　　第一个向量为2.0，距离为33.62347223932534

　　第二个向量是2.0，距离是35.645

　　第三个向量为2.0，距离为38.69663119274146

　　第四个向量为2.0，距离为43.529

　　第5个向量是2.0，距离是43.694

　　第6个向量为1.0，距离为43.7314

　　第7个向量为6.0，距离为44.948

　　第8个向量为2.0，距离为45.5924

　　第9个向量为4.0，距离为45.43926712996951

　　第10个向量为7.0，距离为45.64893989116544

　　之后，我又从 1 到 9 再试一次，我手写的数字都被正确识别了。可以看出，准确率还是挺高的。所以做了这一步就相当于完成度很高。

　　于是我试了一下网上找的图片，发现几乎没有正确的。这意味着我们的数据库仍然太小，只能识别我的字体。不过话虽如此，你也可以做一个字体识别程序。

　　所以如果你想提高准确率，那么扩展图库是必须的。这次就到这里了。

　　总结

　　我的 GitHub 里有全部源代码，有兴趣的可以去看看。

　　这相当于完​​成了算法内容，比较简单，只使用了类似于K最近邻的算法。

　　下一篇文章会讲一个对前n个排名进行加权提高准确率的思路。

　　所以这次我就到这里了，谢谢。

　　喜欢的话请点个赞关注一下，谢谢~

　　本文已被收录收录在“python图像处理操作”专题中，欢迎大家点击了解更多精彩内容。

　　以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持Scripting Home。