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！
