python手机代码识别数字_python实现kNN算法识别手写体数字的示例代码

1。总体概要

kNN算法已经在上一篇博客中说明。对于要处理手写体数字，需要处理的点主要包括：

（1）图片的预处理：将png，jpg等格式的图片转换成文本数据，本博客的思想是，利用图片的rgb16进制编码（255，255，255）为白色，（0，0，0）为黑色，获取图片大小后，逐个像素进行判断分析，当此像素为空白时，在文本数据中使用0来替换，反之使用1来替换。

from PIL import Image

'''将图片转换成文档，使用0，1分别替代空白和数字'''

pic = Image.open('/Users/wangxingfan/Desktop/1.png')

path = open('/Users/wangxingfan/Desktop/1.txt','a')

width = pic.size[0]

height = pic.size[1]

for i in range(0,width):

for j in range(0,height):

c_RGB = pic.getpixel((i,j))#获取该像素所对应的RGB值

if c_RGB[0]+c_RGB[1]+c_RGB[2]>0:#白色

path.write('0')

elif c_RGB[0]+c_RGB[1]+c_RGB[2]==0:#黑色

path.write('1')

else:

pass

path.write('\n')

path.close()

（2）训练集的构建。首先想到的是将（1）中图片处理后的文本数据构建成list形式，所以训练集将是二维数组，形如[[1,0,1,1,0,,,,,0,1],[0,1,1,1,10,,,,],[0,0,1,0,,,],,,,,]所以我们构建函数处理训练集数据。

2。代码

简单的总结这个算法，就是将测试数据向量化，逐个和同样向量化的训练数据进行kNN运算，求的最短距离出现最多的分类就是我们要的分类。建立训练集的过程就是将文件数据向量化的过程。

#！／user/bin/env python

#-*- coding:utf-8 -*-

from os import listdir#获取文件目录下所有文件

'''

from PIL import Image

#将图片转换成文档，使用0，1分别替代空白和数字

pic = Image.open('/Users/wangxingfan/Desktop/1.png')

path = open('/Users/wangxingfan/Desktop/1.txt','a')

width = pic.size[0]

height = pic.size[1]

for i in range(0,width):

for j in range(0,height):

c_RGB = pic.getpixel((i,j))#获取该像素所对应的RGB值

if c_RGB[0]+c_RGB[1]+c_RGB[2]>0:#白色

path.write('0')

elif c_RGB[0]+c_RGB[1]+c_RGB[2]==0:#黑色

path.write('1')

else:

pass

path.write('\n')

path.close()

'''

import numpy as np

import operator as opt

def kNN(dataSet, labels, testData, k):

'''首先明确列表不能想加减，dataSet是数组形式，而对于下面的test函数，testData只是一列，相当于列表，所以在进行加减时，需要将其转换为数组，我们使用np下的tile函数来实现'''

testDatasize = dataSet.shape[0]#获取dataSet的总行数

dataSet = dataSet.astype('float64')#不进行转换则报错

testData1 = np.tile(testData,(testDatasize,1))#使用tile函数返回多个重复构成的数组

testData1 = testData1.astype('float64')

distSquareMat = (dataSet - testData1) ** 2 # 计算差值的平方

distSquareSums = distSquareMat.sum(axis=1) # 求每一行的差值平方和，axis=0则按列计算

distances = distSquareSums ** 0.5 # 开根号，得出每个样本到测试点的距离

sortedIndices = distances.argsort() # 排序，得到排序后的下标

indices = sortedIndices[:k] # 取最小的k个

labelCount = {} # 存储每个label的出现次数，出现次数最多的就是我们要选择的类别

for i in indices:

label = labels[i]

labelCount[label] = labelCount.get(label, 0) + 1 # 次数加一，使用字典的get方法，第一次出现时默认值是0

sortedCount = sorted(labelCount.items(), key=opt.itemgetter(1), reverse=True) # 对label出现的次数从大到小进行排序

return sortedCount[0][0] # 返回出现次数最大的label

#定义函数读取某个文件，返回该文件组成的数组

def file_data(fname):

arr = []

path = open(fname)

for i in range(0,32):

line = path.readline()

for j in range(0,32):

arr.append(line[j])

return arr

#建立训练数据集

def train_data():

lables = []

file_list = listdir('/学习/视频课程/源码/第7周/testandtraindata/traindata/')

trainarr = np.zeros((len(file_list),1024))

for i in range(0,len(file_list)):

file = '/学习/视频课程/源码/第7周/testandtraindata/traindata/'+file_list[i]

lables.append(file_list[i].split('_')[0])#获取对应的文件类别

trainarr[i,:] = file_data(file)#取所有列的第一个数据

return trainarr,lables

#测试函数

def test():

j = 0

k = 0

trainarr,lables = train_data()

testdata_list = listdir('/学习/视频课程/源码/第7周/testandtraindata/testdata/')

for i in range(0,len(testdata_list)):#逐个去测试

testfile = '/学习/视频课程/源码/第7周/testandtraindata/testdata/'+testdata_list[i]

testdata1 = file_data(testfile)

result = kNN(trainarr,lables,testdata1,k=3)

print(result+',real_number:'+testdata_list[i].split('_')[0])

if result == testdata_list[i].split('_')[0]:

j +=1

else:

k +=1

print('辨识成功率：'+j/(k+j))

test()

输出结果为：

3。几个知识点代码说明

（1）numpy.tile

p = np.array([0,0,0])

np.tile(p,(3,1))#表示columns方向重复三次，index方向不变

Out[12]:

array([[0, 0, 0],

[0, 0, 0],

[0, 0, 0]])

np.tile(p,(1,3))#表示index方向重复三次，行还是一行

Out[13]: array([[0, 0, 0, 0, 0, 0, 0, 0, 0]])

（2）array[1,:]表示取所有列的第【索引1】个数据（也就是第二行数据）

a = np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])

a[1,:]

Out[21]: array([2, 2, 2])

a[:,1]#所有行的第二列数据

Out[22]: array([1, 2, 3, 4])

（3）list并不能进行加减计算，需要使用numpy将数据转换为数组形式，且在使用例如：arr1+arr2时，需要两个数组的维度相同，在某个纬度上的数据长度也相同。

（4）使用os模块下的listdir，可以显示所有该文件夹下的文件，以列表的形式返回。

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脚本之家。

python手机代码识别数字_python实现kNN算法识别手写体数字的示例代码相关推荐

基于KNN算法的手写体数字识别
基于KNN算法的手写体数字识别 KNN分类算法是一种经典的分类算法,属于懒惰学习算法的一种. 1.算法原理工作原理:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道 ...
python怎么爬网站视频教程_python爬虫爬取某网站视频的示例代码
把获取到的下载视频的url存放在数组中(也可写入文件中),通过调用迅雷接口,进行自动下载.(请先下载迅雷,并在其设置中心的下载管理中设置为一键下载) 实现代码如下: from bs4 import B ...
python中if else语句_python 中if else 语句的作用及示例代码
引入:if-else的作用,满足一个条件做什么,否则做什么. if-else语句语法结构 if 判断条件: 要执行的代码 else: 要执行的代码判断条件:一般为关系表达式或bool类型的值执行过 ...
python源码脚本实例_python编写一个会算账的脚本的示例代码
python算账脚本 1.假如小明卡里有10000元去商场买东西发现钱不够又向父母借了5000账单如下 2.以下脚本就能实现上面的运算 from time import strftime import ...
【OpenCV/C++】KNN算法识别数字的实现原理与代码详解
KNN算法识别数字一.KNN原理 1.1 KNN原理介绍 1.2 KNN的关键参数二.KNN算法识别手写数字 2.1 训练过程代码详解 2.2 预测分类的实现过程三.KNN算法识别印刷数字 2. ...
课程设计(毕业设计)—基于机器学习KNN算法手写数字识别系统—计算机专业课程设计(毕业设计)
机器学习KNN算法手写数字识别系统下载本文手写数字识别系统完整的代码和课设报告的链接(或者可以联系博主koukou(壹壹23七2五六98),获取源码和报告):https://download.csd ...
OpenCV-Python实战（番外篇）——利用 KNN 算法识别手写数字
OpenCV-Python实战(番外篇)--利用 KNN 算法识别手写数字前言手写数字数据集 MNIST 介绍基准模型--利用 KNN 算法识别手写数字改进模型1--参数 K 对识别手写数字精 ...
python计算时间差代码_Python3显示当前时间、计算时间差及时间加减法示例代码...
Python3显示当前时间.计算时间差及时间加减法示例代码摘要在使用Python写程序时,经常需要输出系统的当前时间以及计算两个时间之间的差值,或者将当前时间加减一定时间(天数.小时.分钟.秒)来 ...
Python 手写机器学习最简单的 kNN 算法
https://www.toutiao.com/a6698919092876739079/ Python 手写机器学习最简单的 kNN 算法苏克1900 Python爬虫与数据挖掘本文 3000 ...

python手机代码识别数字_python实现kNN算法识别手写体数字的示例代码

python手机代码识别数字_python实现kNN算法识别手写体数字的示例代码相关推荐

最新文章

热门文章