寫在前面
其實(shí)我之前寫過一個(gè)簡(jiǎn)單的識(shí)別手寫數(shù)字的程序，但是因?yàn)檫壿嫳容^簡(jiǎn)單，而且要求比較嚴(yán)苛，是在50x50大小像素的白底圖上手寫黑色數(shù)字，并且給的訓(xùn)練材料也不夠多，導(dǎo)致準(zhǔn)確率只能五五開。所以這一次準(zhǔn)備寫一個(gè)加強(qiáng)升級(jí)版的，借此來提升我對(duì)Python處理文件與圖片的能力。
這次準(zhǔn)備加強(qiáng)難度：
- 被識(shí)別圖片可以是任意大小；
- 不一定是白底圖，只要數(shù)字顏色是黑色，周圍環(huán)境是淺色就行；
- 加強(qiáng)識(shí)別手寫數(shù)字的邏輯，提升準(zhǔn)確率。
因?yàn)槲疫€沒開始正式寫，并且最近專業(yè)課程學(xué)習(xí)也比較緊迫，所以可能更新的比較慢。不過放心，代碼質(zhì)量肯定是不會(huì)下降的，我會(huì)盡我所能寫的邏輯明確、通俗易懂點(diǎn)。
所以這次面向的人群是擁有一定Python基礎(chǔ)，對(duì)數(shù)學(xué)算發(fā)有一點(diǎn)了解（識(shí)別圖像的算法嘛）的人。
但畢竟我不是專業(yè)的，也沒有看那么多論文，所以我這里運(yùn)用的算法僅僅是我一個(gè)粗淺的想法，只是為了練手而已。如果和實(shí)際應(yīng)用脫節(jié)，還望莫怪。
當(dāng)然，如果諸位有什么比較好的想法，可以在下方評(píng)論或者私信我，我們可以探討一下，相互進(jìn)步。
整體思路
大綱
對(duì)圖片的預(yù)處理
在最開始的時(shí)候，我們假設(shè)只擁有一個(gè)訓(xùn)練庫(kù)，里面是從0到9的手寫數(shù)字圖案若干組。
所以我們首先應(yīng)該將這些圖案讀入程序中，然后運(yùn)用某種方式保存好，用來后面識(shí)別圖片。
這里的圖案我們假設(shè)是大小不一的，里面手寫的數(shù)字也是有大有小。所以我們可以將包住手寫數(shù)字圖案的最小矩形給裁剪出來，然后將裁剪出來的圖案統(tǒng)一給拉伸成相同大小的圖案。
以上操作得出一個(gè)矩陣，這個(gè)矩陣的值是圖案的灰度值。對(duì)于訓(xùn)練用的圖片和被檢測(cè)的圖片我們都是這樣處理。
圖像識(shí)別的算法處理
我這里想用兩個(gè)方法來讓數(shù)字識(shí)別準(zhǔn)確點(diǎn)：
- 識(shí)別所寫數(shù)字的“洞數(shù)”；
- 將圖片轉(zhuǎn)為1xn的向量，然后根據(jù)根據(jù)訓(xùn)練圖片分出的類對(duì)被識(shí)別圖片圖片進(jìn)行分類。
洞數(shù)就是某個(gè)數(shù)字是否有閉合的曲線，比如說7沒有洞，6有一個(gè)洞，8有兩個(gè)洞。所以我們根據(jù)洞數(shù)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?yàn)楦鞣N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(huì)導(dǎo)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0洞占大多數(shù)，但是聊勝于無。
對(duì)于將圖片轉(zhuǎn)為向量的意思就是將圖片原本的二維矩陣展開稱為一維向量。這個(gè)用numpy的函數(shù)可以可以很簡(jiǎn)單的實(shí)現(xiàn)。
對(duì)于這個(gè)分類，下面我就簡(jiǎn)單的講一下原理。
假設(shè)我們?cè)诙S平面上有兩個(gè)點(diǎn)A=(1,1)和B=(5,5)，我現(xiàn)在再放一個(gè)點(diǎn)C=(2,2)，那么請(qǐng)問，C點(diǎn)離哪一個(gè)更近？
學(xué)過初中數(shù)學(xué)的都會(huì)知道肯定是離A點(diǎn)更近。所以我們換一種說法，我們現(xiàn)在有兩個(gè)類A和B，A類中包括了點(diǎn)(1,1),B類中包括了點(diǎn)(5,5)，所以對(duì)于點(diǎn)(2,2)，它可能屬于哪一類？
因?yàn)檫@個(gè)點(diǎn)離A類的點(diǎn)更近一點(diǎn)，所以它可能屬于A類。這就是結(jié)論。那么對(duì)于3維空間，A類是點(diǎn)(1,1,1)和B類是(5,5,5)，那么對(duì)于點(diǎn)(2,2,2)肯定也是屬于A類。
可以看出，我們這里是將兩個(gè)點(diǎn)的距離來作為判斷屬于哪一類的標(biāo)準(zhǔn)。那么對(duì)于我們將圖片拉成的1xn維向量，他實(shí)際上投影到n維空間上就是一個(gè)點(diǎn)，所以我們將訓(xùn)練向量分成10類，分別代表十個(gè)數(shù)字，那么被識(shí)別數(shù)字靠近哪一個(gè)類，那說明它有可能屬于這一個(gè)類。
那么我們這里可以假設(shè)對(duì)于被識(shí)別向量，列出距離他最近的前十個(gè)向量分別屬于哪一類別，然后根據(jù)名次加上一個(gè)權(quán)重，并計(jì)算出一個(gè)值。該值代表了可能是屬于哪一個(gè)類，因此這就是我們得出的最終的一個(gè)結(jié)果——被識(shí)別手寫數(shù)字圖片的值。
難點(diǎn)
保存已訓(xùn)練圖片的向量。這一條我想就直接保存在csv文件中，每一次運(yùn)算時(shí)先判斷是否有新的訓(xùn)練圖片加入，如果有，則把新的圖片向量也存入csv文件中。若沒有，則直接讀取所有向量保存在一個(gè)大矩陣中用于計(jì)算。
將手寫數(shù)字從背景中分離。因?yàn)槲疫@里令手寫數(shù)字為黑色（灰度值為0），其他背景色盡量為，所以就令灰度值大于某個(gè)界限（如50）的點(diǎn)全部為255（白色），其余不變。這樣子只要非255，那就是手寫數(shù)字的點(diǎn)。
識(shí)別手寫數(shù)字的洞。這個(gè)有算法，搞過程序設(shè)計(jì)競(jìng)賽的應(yīng)該會(huì)了解。具體我就不細(xì)講了，大概就是利用遞歸之類的去尋找。
求向量距離。這個(gè)更簡(jiǎn)單了，求解每一個(gè)訓(xùn)練向量與識(shí)別向量的距離就行，只不過當(dāng)訓(xùn)練向量比較大的時(shí)候可能比較慢。
總結(jié)
以上就是全部思路，如果諸位有更好的想法，歡迎評(píng)論/私信我，讓我們一起相互學(xué)習(xí)進(jìn)步，謝謝。
原文鏈接：http://blog.csdn.net/hanpu_liang/article/details/78220774
