基於最近鄰法手寫數字識別(內附python源碼)

時間 2020-12-04

標籤 python web 算法 app 編輯器函數工具學習測試字體欄目 Python 简体版

原文原文鏈接

本實驗代碼已上傳麪包多，請點擊購買，或者關注[全都是碼農]公衆號，回覆[最近鄰]，限時免費獲取！python

實驗概述

本實驗皆在運用OpenCV、Python等工具採用適當的算法對手寫體數字進行識別與檢測，能夠提供訓練集與測試集進行訓練，並能夠輸入手寫字體進行測試檢驗。web

經過獨立的完成本實驗，能夠極大地提升本人對於Python、OpenCV的理解，掌握手寫數字的特徵提取技術和最近鄰模板匹配法。算法

環境說明

系統：window 10app

軟件：PyCharm Community Edition 2020.2.2 x64編輯器

語言：python 3.6函數

環境：cv2，numpy，matplotlib.pyplot，time工具

數據集

本數據集爲100張圖片，分別爲數字0-9，每一個數字10張圖片，8張訓練集，2張測試集。以下：學習

圖 1 數字零	圖 2 數字一
圖 3 數字二	圖 4 數字三

術語定義

訓練集：能夠訓練模型參數，使模型擬合於正確的預測函數。測試

測試集：經過訓練過的模型進行檢驗，評估最終模型泛化能力。字體

驗證集：用於調超參數，監控模型是否發生過擬合。

需求說明

實驗內容

\1. 學習利用行列掃描的方法獲取手寫數字的上、下、左、右位置的子程序。

\2. 設計手寫數字的特徵提取算法，並編寫對應特徵提取程序。

\3. 編寫基於最近鄰模板匹配的手寫數字識別程序。

實驗結果與分析

記錄輸入數字0-9各10個，程序運行後相應的識別結果，並對結果進行深刻分析。

\1. 記錄每一個樣品的特徵提取效果圖。

\2. 記錄該樣品對應的歸一化後的特徵值。

\3. 統計每一個數字正確識別率。並對錯誤識別的狀況進行深刻分析。

軟件設計

1、體系設計圖

函數清單

函數名	函數功能簡述	函數接口簡述
ImgToNp()	將圖片的路徑導入到矩陣中。	輸入：無輸出：圖片路徑矩陣
outFeature()	處理特徵函數並貼標籤。	輸入：圖片路徑矩陣輸出：訓練圖片矩陣集與標籤集
star()	程序按照預設好的結構進行循環測試與輸出。	輸入：訓練圖片矩陣集與標籤集輸出：訓練結果
TestImgToNp()	輸入測試圖片，並轉化爲矩陣。	輸入：測試圖片地址。輸出：測試圖片矩陣。
outfeatureImg()	輸出特徵圖與特徵值。	輸入：訓練圖片矩陣集輸出：保存特徵圖與特徵值爲文件。\

代碼介紹

（一）Mainapp.py代碼

mainapp.py爲主程序，表1函數清單中的函數均包含於其中。

運行程序後，程序先行運用ImgToNp()函數將img文件夾中0-9文件夾裏的80個樣本圖片轉化爲矩陣保存於變量中並將其返回。

4、實驗結果

運行mainapp.py後，輸出框以下所示：

\1.   圖片地址以導入矩陣...... 

\2.   準備提取特徵...... 

\3.   特徵以存儲於feature矩陣...... 

\4.   準備貼標籤...... 

\5.   標籤以貼完...... 

\6.   是否輸出特徵圖與特徵值？y/n:

輸入y時，程序將輸出80張樣本的特徵值與特徵圖，分別存儲於」./fandimg/{0-9}」，以及」./fandimg/featureArray/{0-9}」中。以下圖：

程序繼續運行，輸出框輸出：
1. 3-9.bmp 這張圖判斷錯誤了，系統判斷爲：1 最接近的三個結果爲：[[3. 7. 1.]]可是正確結果爲：3  
2. 4-9.bmp 這張圖判斷錯誤了，系統判斷爲：1 最接近的三個結果爲：[[1. 1. 1.]]可是正確結果爲：4  
3. 5-10.bmp 這張圖判斷錯誤了，系統判斷爲：1 最接近的三個結果爲：[[5. 1. 1.]]可是正確結果爲：5  
4. 6-10.bmp 這張圖判斷錯誤了，系統判斷爲：1 最接近的三個結果爲：[[1. 1. 1.]]可是正確結果爲：6  
5. 7-9.bmp 這張圖判斷錯誤了，系統判斷爲：1 最接近的三個結果爲：[[1. 1. 1.]]可是正確結果爲：7  
6. 8-9.bmp 這張圖判斷錯誤了，系統判斷爲：3 最接近的三個結果爲：[[8. 9. 3.]]可是正確結果爲：8  
7. 8-10.bmp 這張圖判斷錯誤了，系統判斷爲：9 最接近的三個結果爲：[[8. 9. 9.]]可是正確結果爲：8  
8. 9-9.bmp 這張圖判斷錯誤了，系統判斷爲：1 最接近的三個結果爲：[[9. 7. 1.]]可是正確結果爲：9