#!/usr/bin/env python
#-*- coding: utf-8 -*-
#code:myhaspl@qq.com
import numpy as np
import mlpy
import cv2
print 'loading ...'
def getnumc(fn):
'''返回数字特征'''
fnimg = cv2.imread(fn)
img=cv2.resize(fnimg,(45,45))
alltz=[]
for now_h in xrange(0,45):
xtz=[]
for now_w in xrange(0,45):
b = img[now_h,now_w,0]
g = img[now_h,now_w,1]
r = img[now_h,now_w,2]
btz=255-b
gtz=255-g
rtz=255-r
if btz>0 or gtz>0 or rtz>0:
nowtz=1
else:
nowtz=-1
xtz.append(nowtz)
alltz+=xtz
return alltz
#读取样本数字
x=[]
y=[]
for numi in xrange(1,10):
fn='nums/'+str(numi)+'-'+'1'+'.png'
x.append(getnumc(fn))
y.append(numi)
x=np.array(x)
#以下分别为目标输出数字1-9
d=np.array([[-1,-1,-1,1],
[-1,-1,1,-1],
[-1,-1,1,1],
[-1,1,-1,-1],
[-1,1,-1,1],
[-1,1,1,-1],
[-1,1,1,1],
[1,-1,-1,-1],
[1,-1,-1,1]])
y=np.array(y)
p=np.linalg.inv(np.dot(x,x.T)) #此两行求仿逆矩阵
p=np.dot(p,x)
w=np.dot(d.T,p) #hubb的权值
svm = mlpy.LibSvm(svm_type='c_svc', kernel_type='poly',gamma=10)
svm.learn(x, y)
print u"训练样本测试"
print svm.pred(x)
print u"未知图像测试"
for iii in xrange (1,10):
#testfn= 'nums/test/'+str(iii)+'-test.png'
testfn='nums/'+str(iii)+'-'+'2'+'.png'
testx=[]
testx.append(getnumc(testfn))
print testfn+":",
print svm.pred(testx)
print np.dot(w,getnumc(testfn))#hubb输出结果 本来要加硬极限函数的
#程序中每个数字只有一个训练样本 同时用hebb和SVM方法,正确率都比较低,虽然现在还没有学过SVM,后面应该会学到,奇怪的是hebb和SVM判错的结果几乎一样