SVM手写数字的识别---python
2017-01-08 19:46
495 查看
SVM手写数字的识别---python
1、SVM手写数字识别
识别步骤:
(1)样本图像的准备。
(2)图像尺寸标准化:将图像大小都标准化为8*8大小。
(3)读取未知样本图像,提取图像特征,生成图像特征组。
(4)将未知测试样本图像特征组送入SVM进行测试,将测试的结果输出。
识别代码:
样本:
结果:
1、SVM手写数字识别
识别步骤:
(1)样本图像的准备。
(2)图像尺寸标准化:将图像大小都标准化为8*8大小。
(3)读取未知样本图像,提取图像特征,生成图像特征组。
(4)将未知测试样本图像特征组送入SVM进行测试,将测试的结果输出。
识别代码:
#!/usr/bin/env python import numpy as np import mlpy import cv2 print 'loading ...'
def getnumc(fn): '''返回数字特征''' fnimg = cv2.imread(fn) #读取图像 img=cv2.resize(fnimg,(8,8)) #将图像大小调整为8*8 alltz=[] for now_h in xrange(0,8): xtz=[] for now_w in xrange(0,8): b = img[now_h,now_w,0] g = img[now_h,now_w,1] r = img[now_h,now_w,2] btz=255-b gtz=255-g rtz=255-r if btz>0 or gtz>0 or rtz>0: nowtz=1 else: nowtz=0 xtz.append(nowtz) alltz+=xtz return alltz #读取样本数字 x=[] y=[] for numi in xrange(1,10): for numij in xrange(1,5): fn='nums/'+str(numi)+'-'+str(numij)+'.png' x.append(getnumc(fn)) y.append(numi) x=np.array(x) y=np.array(y) svm = mlpy.LibSvm(svm_type='c_svc', kernel_type='poly',gamma=10) svm.learn(x, y) print u"训练样本测试:" print svm.pred(x) print u"未知图像测试:" for iii in xrange (1,10): testfn= 'nums/test/'+str(iii)+'-test.png' testx=[] testx.append(getnumc(testfn)) print print testfn+":", print svm.pred(testx)
样本:
结果:
相关文章推荐
- python实现基于SVM手写数字识别功能
- 利用SVM(支持向量机)和MNIST库在OpenCV环境下实现手写数字0~9的识别
- 基于opencv的手写数字识别(MFC,HOG,SVM)
- SVM - 手写数字识别
- 基于SVM手写数字识别
- Python3:《机器学习实战》之k近邻算法(3)识别手写数字
- Python实战 | TensorFlow之softmax的实现——手写数字识别
- python Tensorflow三层全连接神经网络实现手写数字识别
- 【Python | TensorBoard】用 PCA 可视化 MNIST 手写数字识别数据集
- python tensorflow基于cnn实现手写数字识别
- caffe的python接口学习(4):mnist实例---手写数字识别
- 用BP人工神经网络识别手写数字——《Python也可以》之三
- ubuntu下caffe手写数字识别问题、python接口测试
- Caffe——Python接口学习(4):mnist实例——手写数字识别
- 用BP人工神经网络识别手写数字——《Python也可以》之三
- mnsit 手写数据集 python3.x的读入 以及利用softmax回归进行数字识别
- K-nn手写数字识别--Python版
- Python实现识别手写数字 简易图片存储管理系统
- Python 手写数字识别-knn算法应用
- 用BP人工神经网络识别手写数字——《Python也可以》之三