PYQT5+CNN（TensorFlow-keras）做一个简单的手写数字识别PC端图形化小程序

最新推荐文章于 2023-11-15 10:19:48 发布

瓷器活

最新推荐文章于 2023-11-15 10:19:48 发布

阅读量4k

点赞数 12

文章标签： python tensorflow pyqt5 深度学习

本文链接：https://blog.csdn.net/MSJ_nb/article/details/118739155

版权

本文介绍了作者上学期多媒体课的项目，包括画板和图片识别功能，简洁UI设计，基于CNN和sklearn库的图像预处理、数字识别算法，以及代码实现和优化。探讨了CNN在数字识别中的优势，以及不同算法如RandomForest、KNN和DecisionTree的应用。

摘要由CSDN通过智能技术生成

前言

这个其实是我上学期多媒体课的大作业（本文译自实验报告233），综合了网上一些零碎资料，谨以记录学习经历，如有错漏、不完善之处，请多多指正！

ps：文章框架参考了两篇博客，但是写的时候有点找不到了ORZ，要是有人发现雷同，帮忙找到文章，我会标记到文末，感激！

一、功能介绍

1．画板识别

（1）可以选择算法，默认为 CNN

（2）在“画板”模块处可以进行鼠标绘制，绘制时接近画板中央会效果更好

（3）点击按钮“画板识别”即可进行识别，结果会显示在“结果”处

（4）点击按钮“画板擦除”即可清空“画板”模块。

2．图片识别

（1）可以选择算法，默认为 CNN

（2）点击按钮“图像识别”可选择需要上传的图片，点击确认后进行识别，结果会显

示在“结果”处

二、UI设计

1．整体设计思想

画面简单干净，用户逻辑清晰。（划水）

2．颜色设计

采用了白+ 蓝的基础设计思想，突出简单干净。（摸鱼）

3．Logo 设计

将猫咪和电脑结合，突出可爱和清爽。（某次PS课程作业）

4．按钮设计

圆滑边角，略微阴影，突出舒适干净。（随便找的模板）

三、算法介绍

1．图片预处理

（ 1 ）调用 cv2 库读入图片，用插值的方法统一 resize 为 960:640 的比例

（ 2 ）灰度化

（ 3 ）二值化

（ 4 ）放大轮廓，再除去噪点。

代码如下：

image = cv2.resize(img, (960, 640), interpolation=cv2.INTER_LINEAR)
# 将这帧转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
retval, binary = cv2.threshold(gray, 90, 255, cv2.THRESH_BINARY_INV)
# 放大所有轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    cv2.drawContours(binary, contours, i, (255, 255, 255), 5)
# 过滤噪声点
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    perimeter = cv2.arcLength(contours[i], False)
    if perimeter < 100:
        # print(s)
        cv2.drawContours(binary, contours, i, (0, 0, 0), 15)

# cv2.imshow('binary_f', binary)

contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)