用BP人工神经网络识别手写数字—— Python也可以之三

最新推荐文章于 2022-05-01 16:58:35 发布

有水有房子

最新推荐文章于 2022-05-01 16:58:35 发布

阅读量508

点赞数

本文链接：https://blog.csdn.net/jgftyfc/article/details/83935192

版权

本文介绍了使用Python进行图像预处理，包括灰度化、二值化和图片规范化，然后通过BP神经网络搭建模型，详细阐述了网络结构、训练及测试结果，展示了一个手写数字识别的完整过程。

摘要由CSDN通过智能技术生成

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

赖勇浩（http://laiyonghao.com）

这是我读工程硕士的时候完成课程作业时做的，放在 dropbox 的角落中生尘已经有若干年头了，最近 @shugelee 同学突然来了兴致搞验证码识别，问到我的时候我记起自己做过一点点东西，特发上来给他参考，并趁机补充了一下《Python也可以》系列。

图像预处理

使用下图（后方称为 SAMPLE_BMP）作为训练和测试数据来源，下文将讲述如何将图像转换为训练数据。

灰度化和二值化

在字符识别的过程中，识别算法不需要关心图像的彩色信息。因此，需要将彩色图像转化为灰度图像。经过灰度化处理后的图像中还包含有背景信息。因此，我们还得进一步处理，将背景噪声屏蔽掉，突显出字符轮廓信息。二值化处理就能够将其中的字符显现出来，并将背景去除掉。在一个[0，255]灰度级的灰度图像中，我们取 196 为该灰度图像的归一化值，代码如下：

def convert_to_bw(im): im = im.convert("L") im.save("sample_L.bmp") im = im.point(lambda x: WHITE if x > 196 else BLACK) im = im.convert('1') im.save("sample_1.bmp") return im