基于PCA的机器学习掌纹识别

1.读取600张掌纹图片

import cv2
import pandas as pd

data=[]  #掌纹数据
for i in range(100):
    person_palm=[]   #一个人的掌纹
    for j in range(1,7):
        path='./palmbases/P_'+str(i)+'_'+str(j)+'.bmp'
        palm_imag=cv2.imread(path)
        person_palm.append(palm_imag)
    data.append(person_palm)
imgs=[]

#将三维照片转化为二维
data2=[]
target=[]  #标签（1-100代表100个人）
for i in range(100):
    for j in range(6):
        target.append(i+1) #标签
        b=[]
        for m in range(128):   #图片大小为128*128
            a=[]
            for n in range(128):
                a.append(data[i][j][m][n][1])  #data 中获取第 i 个人的第 j 张图像的第 m 行、第 n 列的元素的索引为 1 的值
            b.append(a)
        data2.append(b)

def to_series(data):#将掌纹数据变为一维的series
    data_se=[]
    for palm in data:
        series=[]
        for i in range(128):
            for j in range(128):
                series.append(palm[i][j])
        data_se.append(series)
    return pd.DataFrame(data_se)
data=to_series(data2)

2.KNN学习方法

import cv2  #读取照片
import numpy as np
from PIL import Image
import pandas as pd  #数据处理
import numpy.matlib
from sklearn.decomposition import PCA  #降维
from sklearn.model_selection import t