基于欧式距离实现手写数字识别

欧氏距离

在数学中，欧几里得距离或欧几里得度量是欧几里得空间中两点间“普通”（即直线）距离。使用这个距离，欧氏空间成为度量空间。相关联的范数称为欧几里得范数。较早的文献称之为毕达哥拉斯度量。–维基百科
在欧几里得空间中，点x =(x1,…,xn)和 y =(y1,…,yn)之间的欧氏距离为

在欧几里得度量下，两点之间线段最短。

思路

• 数据集图片与手写数字图片格式化

1. 转换为 $$X\times Y$$ 大小（缩小，消除细节）
2. 灰度化，只保留结构、明暗等基本信息

• 识别

部分代码

格式化转换

这里用到的代码与之前我所写的相似图片搜索类似，在那一篇内已经较详细讲解，此处不再赘述。

识别

计算欧氏距离：（此处我没有严格使用欧式距离，因为我所计算出的值不大，因此这样能保持更多的信息）

private  double compareImage(int[] source, int[] pixels){
	   double count = 0;
	   for(int i=0;i< source.length;i++){
	       count += Math.pow((source[i]-pixels[i]),2);
	   }
	   return count;
    }

存储距离，用HashMap(标签，距离列表）存储：

for (int i = 0; i < exampleHashCodesZero.size(); i++) {
    double difference = compareImage(detectImage, exampleHashCodesZero.get(i));
    arrayList0.add((difference));
    hashMap.put("0",arrayList0);

}

全部计算完全以后，从HashMap中取出最小距离对应的key（标签）：

HashMap resultHashMap = new HashMap();
resultHashMap.put("0",Collections.min(hashMap.get("0")));

List<Map.Entry<String, Double>> list = new ArrayList(resultHashMap.entrySet());
Collections.sort(list, (o1, o2) -> (int) (o1.getValue() - o2.getValue()));

彩蛋

数据集：MNIST手写识别数据集

提取idx中的图片：读取Java中的IDX文件类型

图片分类：我将0-9十个数字对应的图片分别存在一个文件夹内，最初采用的是在win10资源管理器中移动，结果界面不断卡死。之后我在powershell中使用mv命令，速度快，无卡顿。将以0开头的png文件移动至桌面的abc文件夹中，如下：

mv 0*.png C:\Users\77509\Desktop\abc\