头歌：图像识别案例在线实验闯关

第6关：彩色图像识别模型（拓展）

任务描述

本关任务：现有1元、5元、10元、20元、50元、100元共6种面额的纸币彩色图像数据集（每种纸币按正、反面和两个不同的方向，分别采集10张图片，累计每个币种采集40张图片，6种币种合计240张图片），请计算每张图片R、G、B三个颜色通道的一阶、二阶、三阶颜色矩阵，共9个特征指标数据，记为自变量X，同时构造纸币面额标签数据集，记为因变量Y。利用所得的自变量X和因变量Y，数据集按照80%训练、20%测试进行随机划分，构建纸币面额识别模型。

编程要求

根据提示，在右侧编辑器补充代码，完成建模、代码编写和分析。

'''
任务：
现有1元、5元、10元、20元、50元、100元共6种面额的纸币彩色图像,储存在"图片"文件夹内，相关信息及要求如下：
1）每种纸币均从正、反两面及两个不同的方向，进行采集图像各10张，即每种纸币采集40张，6种货币，则总图片有240张。
2）图片的命名为：面额值_采集序号.png，比如1元纸币40张依次命名为：1_1.png~1_40.png，其他同理。
3）读取图片文件夹，计算每张图片的R、G、B三个颜色通道的一阶、二阶、三阶颜色矩特征，共9个特征指标数据，记为自变量X，
4）同时构造纸币面额标签数据集，记为因变量Y。
5）按80%训练和20%测试进行随机划分数据集，构建支持向量机分类模型，
6）返回模型的准确率rv和测试集的预测准确率rs。
'''
from PIL import Image
import numpy as np
import os


def return_values():
    import os
    path='图片/' 
    fname=os.listdir(path) 
    X=np.zeros((len(fname),9)) #预定义自变量，即9个颜色矩阵特征指标
    Y=np.zeros(len(fname)) #预定义因变量
    for i in range(len(fname)):
        img=Image.open(path+fname[i]) #读取第i张图片
        im=img.split()
        R=np.array(im[0])/255                #R通道
        row_1=int(R.shape[0]/2)-50
        row_2=int(R.shape[0]/2)+50
        con_1=int(R.shape[1]/2)-50
        con_2=int(R.shape[1]/2)+50
        R=R[row_1:row_2,con_1:con_2]
        G=np.array(im[1])/255                #G通道
        G=G[row_1:row_2,con_1:con_2]
        B=np.array(im[2])/255                #B通道
        B=B[row_1:row_2,con_1:con_2]
        #构造X
        png_name=fname[i]
        X[i]=png_name.split("_")[0]
        #构造Y
        png_name=fname[i]
        Y[i]=png_name.split("_")[0]
        #建模及计算
        from sklearn.model_selection import train_test_split
        x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.2,random_state=4)
        import sklearn.svm as svm
        from sklearn.svm import SVC
        clf = svm.SVC(kernel='linear') 
        clf.fit(x_train,y_train)
        rv=clf.score(x_train, y_train);
        y1=clf.predict(x_test)
        r=y1-y_test
        rs=len(r[r==0])/len(y1)



    return (rv,rs)