Python實現識別手寫數字大綱

寫在前面

其實我之前寫過乙個簡單的識別手寫數字的程式，但是因為邏輯比較簡單，而且要求比較嚴苛，是在50x50大小畫素的白底圖上手寫黑色數字，並且給的訓練材料也不夠多，導致準確率只能五五開。所以這一次準備寫乙個加強公升級版的，藉此來提公升我對python處理檔案與圖程式設計客棧片的能力。

這次準備加強難度：

因為我還沒開始正式寫，並且最近專業課程學習也比較緊迫，所以可能更新的比較慢。不過放心，**質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，對數學算發有一點了解（識別影象的演算法嘛）的人。

但畢竟我不是專業的，也沒有看那麼多**，所以我這裡運用的演算法僅僅是我乙個粗淺的想法，只是為了練手而已。如果和實際應用脫程式設計客棧節，還望莫怪。

當然，如果諸位有什麼比較好的想法，可以在下方評論或者私信我，我們可以**一下，相互進步。

整體思路

大綱對的預處理

在最開始的時候，我們假設只擁有乙個訓練庫，裡面是從0到9的手寫數字圖案若干組。

所以我們首先應該將這些圖案讀入程式中，然後運用某種方式儲存好，用來後面識別。

這裡的圖案我們假設是大小不一的，裡面手寫的數字也是有大有小。所以我們可以將包住手寫數字圖案的最小矩形給裁剪出來，然後將裁剪出來的圖案統一給拉伸成相同大小的圖案。

以上操作得出乙個矩陣，這個矩陣的值是圖案的灰度值。對於訓練用的和被檢測的我們都是這樣處理。

影象識別的演算法處理

我這裡想用兩個方法來讓數字識別準確點：

洞數就是某個數字是否有閉合的曲線，比如說7沒有洞，6有乙個洞，8有兩個洞。所以我們根據洞數可以分成以下三類

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0洞佔大多數，但是聊勝於無。

對於將轉為向量的意思就是將原本的二維矩陣展開稱為一維向量。這個用numpy的函式可www.cppcns.com以可以很簡單的實現。

對於這個分類，下面我程式設計客棧就簡單的講一下原理。

假設我們在二維平面上有兩個點a=(1,1)和b=(5,5)，我現在再放乙個點c=(2,2)，那麼請問，c點離哪乙個更近？

學過初中數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)，所以對於點(2,2)，它可能屬於哪一類？

因為這個點離a類的點更近一點，所以它可能屬於a類。這就是結論。那麼對於3維空間，a類是點(1,1,1)和b類是(5,5,5)，那麼對於點(2,2,2)肯定也是屬於a類。

可以看出，我們這裡是將兩個點的距離來作為判斷屬於哪一類的標準。那麼對於我們將拉成的1xn維向量，他實際上投影到n維空間上就是乙個點，所以我們將訓練向量分成10類，分別代表十個數字，那麼被識別數字靠近哪乙個類，那說明它有可能屬於這乙個類。

那麼我們這裡可以假設對於被識別向量，列出距離他最近的前十個向量分別屬於哪一類別，然後根據名次加上乙個權重，並計算出乙個值。該值代表了可能是屬於哪乙個類，因此這就是我們得出的最終的乙個結果——被識別手寫數字的值。

難點儲存已訓練的向量。這一條我想就直接儲存在csv檔案中，每一次運算時先判斷是否有新的訓練加入，如果有，則把新的向量也存入csv檔案中。若沒有，則直接讀取所有向量儲存在乙個大矩陣中用於計算。

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

識別手寫數字的洞。這個有演算法，搞過程式設計競賽的應該會了解。具體我就不細講了，大概就是利用遞迴之類的去尋找。

求向量距離。這個更簡單了，求解每乙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。

本文標題: python實現識別手寫數字大綱

本文位址: /jiaoben/python/218960.html