公园里的草真绿啊,绿得让你感觉那是一块绿地毯;公园里的草真密啊,密得看不见泥土;公园里的草真柔啊,微风一吹,它们就翩翩起舞。
本文实例为大家分享了SVM手写数字识别功能的具体代码,供大家参考,具体内容如下
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:
以上就是python实现基于SVM手写数字识别功能。作为一个领导,你可以不知道下属的短处,却不能不知道下属的长处。更多关于python实现基于SVM手写数字识别功能请关注haodaima.com其它相关文章!