python神经网络数字识别算法_用BP人工神经网络识别手写数字——《Python也可以》之三...

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下图是灰度化的图像，可以看到背景仍然比较明显，有一层淡灰色：

下图是二值化的图像，可以看到背景已经完全去除：

图片的分割和规范化：通过二值化图像，我们可以分割出每一个字符为一个单独的图片，然后再计算相应的特征值，如下图所示：