本文实例为大家分享了SVM手写数字识别功能的具体代码,供大家参考,具体内容如下
1、SVM手写数字识别
识别步骤:
(1)样本图像的准备。
(2)图像尺寸标准化:将图像大小都标准化为8*8大小。
(3)读取未知样本图像,提取图像特征,生成图像特征组。
(4)将未知测试样本图像特征组送入SVM进行测试,将测试的结果输出。
识别代码:
#!/usr/bin/env python
import numpy as np
import mlpy
import cv2
print 'loading ...'
def getnumc(fn):
'''返回数字特征'''
fnimg = cv2.imread(fn) #读取图像
img=cv2.resize(fnimg,(8,8)) #将图像大小调整为8*8
alltz=[]
for now_h in xrange(0,8):
xtz=[]
for now_w in xrange(0,8):
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=0
xtz.append(nowtz)
alltz+=xtz
return alltz
#读取样本数字
x=[]
y=[]
for numi in xrange(1,10):
for numij in xrange(1,5):
fn='nums/'+str(numi)+'-'+str(numij)+'.png'
x.append(getnumc(fn))
y.append(numi)
x=np.array(x)
y=np.array(y)
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'
testx=[]
testx.append(getnumc(testfn))
print testfn+":",
print svm.pred(testx)
样本:
结果:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。