寫在前面

這一段的內(nèi)容可以說是最難的一部分之一了，因為是識別圖像，所以涉及到的算法會相比之前的來說比較困難，所以我盡量會講得清楚一點。

而且因為在編寫的過程中，把前面的一些邏輯也修改了一些，將其變得更完善了，所以一切以本篇的為準。當然，如果想要直接看代碼，代碼全部放在我的GitHub中，所以這篇文章主要負責(zé)講解，如需代碼請自行前往GitHub。

本次大綱

上一次寫到了數(shù)據(jù)庫的建立，我們能夠?qū)崟r的將更新的訓(xùn)練圖片存入CSV文件中。所以這次繼續(xù)往下走，該輪到識別圖片的內(nèi)容了。

首先我們需要從文件夾中提取出需要被識別的圖片test.png，并且把它經(jīng)過與訓(xùn)練圖片相同的處理得到1x10000大小的向量。因為兩者之間存在微小的差異，我也不是很想再往源代碼之中增加邏輯了，所以我就直接把增加待識別圖片的函數(shù)重新寫一個命名為GetTestPicture，內(nèi)容與GetTrainPicture類似，只不過少了“增加圖片名稱”這一個部分。

之后我們就可以開始進行正式圖片識別內(nèi)容了。

主要是計算待識別圖片與所有訓(xùn)練圖片的距離。當兩個圖片距離越近的時候，說明他們越相似，那么他們很有可能寫的就是同一個數(shù)。所以利用這個原理，我們可以找出距離待識別圖像最近的幾個訓(xùn)練圖片，并輸出他們的數(shù)字分別是幾。比如說我想輸出前三個，前三個分別是3，3，9，那就說明這個待識別圖片很有可能是3.

之后還可以對每一個位置加個權(quán)重，具體的就放在下一次再講，本節(jié)內(nèi)容已經(jīng)夠多了。

（第一篇文章之中我說過利用圖片洞數(shù)檢測。我嘗試了一下，認為有些不妥，具體原因放在本文末。）

MAIN代碼

所以直接把主要代碼放上來，邏輯相對來說還是比較清晰的

import os
import OperatePicture as OP
import OperateDatabase as OD
import PictureAlgorithm as PA
import csv

##Essential vavriable 基礎(chǔ)變量
#Standard size 標準大小
N = 100
#Gray threshold 灰度閾值
color = 200/255

n = 10

#讀取原CSV文件
reader = list(csv.reader(open('Database.csv', encoding = 'utf-8')))
#清除讀取后的第一個空行
del reader[0]
#讀取num目錄下的所有文件名
fileNames = os.listdir(r"./num/")
#對比fileNames與reader，得到新增的圖片newFileNames
newFileNames = OD.NewFiles(fileNames, reader)
print('New pictures are: ', newFileNames)
#得到newFilesNames對應(yīng)的矩陣
pic = OP.GetTrainPicture(newFileNames)
#將新增圖片矩陣存入CSV中
OD.SaveToCSV(pic, newFileNames)
#將原數(shù)據(jù)庫矩陣與新數(shù)據(jù)庫矩陣合并
pic = OD.Combination(reader, pic)

#得到待識別圖片
testFiles = os.listdir(r"./test/")
testPic = OP.GetTestPicture(testFiles)

#計算每一個待識別圖片的可能分類
result = PA.CalculateResult(testPic, pic)
for item in result:
 for i in range(n):
  print('第'+str(i+1)+'個向量為'+str(item[i+n])+',距離為'+str(item[i]))

相比上一篇文章的內(nèi)容，本篇文章里只增加了下面的的一段代碼，即得到待識別圖片名稱、得到待識別圖片向量、計算分類。

下面我們將著重講解CalculateResult函數(shù)的內(nèi)容，即識別圖片的算法。

算法內(nèi)容

算法大致講解

我們在大綱之中已經(jīng)簡單介紹過了，所以我就直接把復(fù)制過來，并且再添加一些內(nèi)容。

假設(shè)我們在二維平面上有兩個點A=(1,1)和B=(5,5)，我現(xiàn)在再放一個點C=(2,2)，那么請問，C點離哪一個更近？

學(xué)過初中數(shù)學(xué)的都會知道肯定是離A點更近。所以我們換一種說法，我們現(xiàn)在有兩個類A和B，A類中包括了點(1,1),B類中包括了點(5,5)，所以對于點(2,2)，它可能屬于哪一類？

因為這個點離A類的點更近一點，所以它可能屬于A類。這就是結(jié)論。那么對于3維空間，A類是點(1,1,1)和B類是(5,5,5)，那么對于點(2,2,2)肯定也是屬于A類。

可以看出，我們這里是將兩個點的距離來作為判斷屬于哪一類的標準。那么對于我們將圖片拉成的1xn維向量，他實際上投影到n維空間上就是一個點，所以我們將訓(xùn)練向量分成10類，分別代表十個數(shù)字，那么被識別數(shù)字靠近哪一個類，那說明它有可能屬于這一個類。

那么我們這里可以假設(shè)對于被識別向量，列出距離他最近的前十個向量分別屬于哪一類別，然后根據(jù)名次加上一個權(quán)重，并計算出一個值。該值代表了可能是屬于哪一個類，因此這就是我們得出的最終的一個結(jié)果——被識別手寫數(shù)字圖片的值。

以上是第一篇文章中的內(nèi)容，下面我著重講一下數(shù)學(xué)方面的內(nèi)容。

考慮到某些地方不能夠輸入數(shù)學(xué)公式（或不方便輸入），我還是把這一段內(nèi)容貼成圖片出來。

之后直接挑出前幾個離被識別圖片最近的向量數(shù)字，基本上這幾個數(shù)字就是被識別圖片的數(shù)字了。但這樣做未免有些簡單，所以下一篇文章我會再深入一下，這張先講計算距離的內(nèi)容。

主代碼

下面的代碼中文件夾test用來存放待識別圖片，并通過函數(shù)GetTestPicture來得到圖片向量，之后和訓(xùn)練圖片pic一起放進計算距離的函數(shù)CalculateResult中計算每一個待識別向量和其他所有圖片向量的距離。

#得到待識別圖片
testFiles = os.listdir(r"./test/")
testPic = OP.GetTestPicture(testFiles)

#計算每一個待識別圖片的可能分類
result = PA.CalculateResult(testPic, pic)
for item in result:
 for i in range(n):
  print('第'+str(i+1)+'個向量為'+str(item[i+n])+',距離為'+str(item[i]))

函數(shù)CalculateResult在文件PictureAlgorithm.py中，這個文件里面包含了兩個函數(shù)為CalculateDistance函數(shù)和CalculateResult函數(shù)，代表識別圖片所用到的算法。

函數(shù)CalculateResult

這個函數(shù)的邏輯比較簡單，也沒什么好說的，主要的聯(lián)系就是這個計算距離的CalculateDistance函數(shù)。

def CalculateResult(test, train):
 '''計算待識別圖片test的可能分類'''
 #得到每個圖片的前n相似圖片
 testDis = CalculateDistance(test[:,0:N**2], train[:,0:N**2], train[:,N**2], n)
 #將testDis變成列表
 tt = testDis.tolist()
 #輸出每一個待識別圖片的所有前n個
 for i in tt:
  for j in i:
   print(j)

函數(shù)CalculateDistance

函數(shù)中我導(dǎo)入了四個參數(shù)：被識別向量test，訓(xùn)練向量train，與訓(xùn)練向量對應(yīng)的每個向量對應(yīng)代表的數(shù)字num，想要導(dǎo)出的前n個距離最近的向量。

def CalculateDistance(test, train, num, n):
 '''計算每個圖片前n相似圖片'''
 #前n個放距離，后n個放數(shù)字
 dis = np.zeros(2*n*len(test)).reshape(len(test), 2*n)
 for i, item in enumerate(test):
  #計算出每個訓(xùn)練圖片與該待識別圖片的距離
  itemDis = np.sqrt(np.sum((item-train)**2, axis=1))
  #對距離進行排序，找出前n個
  sortDis = np.sort(itemDis)
  dis[i, 0:n] = sortDis[0:n]
  for j in range(n):
   #找到前幾個在原矩陣中的位置
   maxPoint = list(itemDis).index(sortDis[j])
   #找到num對應(yīng)位置的數(shù)字，存入dis中
   dis[i, j+n] = num[maxPoint]
 return dis

首先建立一個行數(shù)為test內(nèi)被識別向量數(shù)量，列數(shù)為2*n的矩陣，每一行前n個放距離，后n個放數(shù)字。之后針對每一個被識別向量進行循環(huán)。

首先直接計算每個訓(xùn)練圖片與該識別圖片的距離，直接可以用一行代碼表示

itemDis = np.sqrt(np.sum((item-train)**2, axis=1))

這一行代碼就是上文中的算法過程，我個人覺得還是比較復(fù)雜的，可以詳細的拆開看一下，我這里不細講了。下面的內(nèi)容就是開始排序并且找到距離最近的前幾個向量。

這里的邏輯是：先排序，找到距離最小的前n個，存入矩陣。找到前n個在原矩陣中的位置，并找到對應(yīng)位置上num的數(shù)字，存入dis的后n個。

這樣子就相當于完成了所有內(nèi)容，返回dis即可。

實際測試

我自己動手寫了一些數(shù)字，如圖所示。所以實際上我們的數(shù)據(jù)庫還是比較小的。

所以我又寫了一個數(shù)字作為待識別圖像，通過程序運行以后，我們的以直接輸出前十個最相似的向量：

第1個向量為2.0,距離為33.62347223932534
第2個向量為2.0,距離為35.64182105224185
第3個向量為2.0,距離為38.69663119274146
第4個向量為2.0,距離為43.52904133387693
第5個向量為2.0,距離為43.69029199677604
第6個向量為1.0,距離為43.730883339256714
第7個向量為6.0,距離為44.94800943845918
第8個向量為2.0,距離為45.033283944455924
第9個向量為4.0,距離為45.43926712996951
第10個向量為7.0,距離為45.64893989116544

之后我又依次從1-9試了一遍，我自己手寫的數(shù)字全部識別正確，可以看出準確率還是挺高的。所以做到這一步相當于已經(jīng)完成度很高了。

所以我就試了一下從網(wǎng)上找的圖片，發(fā)現(xiàn)幾乎沒有正確的了。說明我們的數(shù)據(jù)庫還是太小，只認得我的字體。不過話說這樣，也可以做一個字體識別的程序。

所以如果要提高準確率，那么擴大圖庫是必須的。這一次就到這里。

總結(jié)

所有源代碼我都放在了我的GitHub中，如果有興趣的話可以去看看。

到這里就相當于算法內(nèi)容寫完了，比較簡單，只用了一個類似于K最近鄰的算法。

下一篇文章將會講一個給前n個排名加權(quán)的想法，這樣來提高準確度。

所以這一次就先到這里為止，謝謝。

如果喜歡的話，麻煩點一個喜歡和關(guān)注一下噢，謝謝~

本文已被收錄到專題《python圖片處理操作》 ，歡迎大家點擊學(xué)習(xí)更多精彩內(nèi)容。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論