1. 確定角點順序
我採用的方法是直接上了乙個凸包演算法：通過極角排序然後做凸包把四個角點按照順序壓如棧中，確保了幾個角點按照順時針的方向排列，並且確定最接近 [0,0] 點的為紙張左上角的頂點。由於紙張為四邊形，確保是乙個凸包。
2. 實現a4紙矯正
首先定義對於影象的區域劃分
其中 0~3 的區域為需要的a4紙邊緣，尺度為影象中盡量大地放下的a4紙尺寸，其他為影象的紙外的背景。採用 morphe 變換對影象進行對映，簡單來說就是遍歷影象每乙個畫素，確定畫素對應的區域，然後通過計算找出對應原影象中對應區域三角形中的對應點的位置，實現變換。還有一種方法是通過透視變換實現a4紙的矯正。
矯正結果：
3. 影象內容分離
最簡單的就是通過閾值進行二值分類，設定乙個閾值，小的劃分為黑色，大的劃分為白色。
但是顯然這種方法魯棒性很差，因為不同影象對應的閾值不同，也不能每一張影象都進行調參。
我採用的是通過 canny 進行劃分，由於預先封裝好函式，直接呼叫也很簡單。canny 對於手寫能夠很好地劃分，而且由於大多數陰影是漸變的，可以很好地排除。通過 canny 的邊緣進行膨脹，再利用前面紙張去除噪音的方法，通過bfs把邊緣外的地方變成白色。對於邊緣內部的地方，再通過閾值進行劃分，使得影象內容能夠很好地分離，不容易被陰影所影響。
效果：
手寫數字識別
這幾天在想這做字元識別方面的程式，看了很多 但是發現 上的幾乎用處都不是特別的大，理論一大堆，但是用在程式裡面則很難實現，看到有些 上說用連碼法，但是連碼法對結構的變化太敏感了，但是也從一些 裡獲得了一些靈感，我採用的是網格匹配法，準備工作採集樣本，得到了樣本的網格資訊用於接下來的識別，當然也可 一...
手寫數字識別
import os os.environ tf cpp min log level 2 不想讓警告的資訊輸出可以新增 from tensorflow.examples.tutorials.mnist import input data import tensorflow as tf def mnis...
手寫數字識別 實戰 KNN演算法識別手寫數字
鄰近演算法，或者說k最近鄰 knn，k nearestneighbor 分類演算法是資料探勘分類技術中最簡單的方法之一。所謂k最近鄰，就是k個最近的鄰居的意思，說的是每個樣本都可以用它最接近的k個鄰居來代表。下面是我學習knn演算法的思維導圖 其中距離的定義，各個距離的公式為 歐氏距離 n維空間的距...