python实现基于SVM手写数字识别功能 -清零世界

概述

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

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,1]
   r = img[Now_h,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  
 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编程小技巧。

总结

以上是编程之家为你收集整理的python实现基于SVM手写数字识别功能全部内容，希望文章能够帮你解决python实现基于SVM手写数字识别功能所遇到的程序开发问题。

如果您也喜欢它,动动您的小指点个赞吧

python实现基于SVM手写数字识别功能

概述

总结

分类汇总

您的鼓励是对我最大的支持