亚洲精品美女久久久久久久-四川少妇搡bbw搡bbbb-精品免费国产一区二区三区四区,差差差很疼30分钟的视频,蜜桃成人无码区免费视频网站,免费人成视频x8x8

圖片字母，數字識別技術

來源：未知　時間：2018-31-24　瀏覽次數：217次

• python3.5

  python SDK版本

• PIL

  圖片處理庫

• libsvm

  開源的svm機器學習庫
  三、基本流程

  1. 準備原始圖片素材
  2. 圖片預處理
  3. 圖片字符切割
  4. 圖片尺寸歸一化
  5. 圖片字符標記
  6. 字符圖片特征提取
  7. 生成特征和標記對應的訓練數據集
  8. 訓練特征標記數據生成識別模型
  9. 使用識別模型預測新的未知圖片集
  10. 達到根據“圖片”就能返回識別正確的字符集的目標

  四、圖片字母，數字識別的實現
     圖片預處理
  

  雖然目前的機器學習算法已經相當先進了，但是為了減少后面訓練時的復雜度，同時增加識別率，很有必要對圖片進行預處理，使其對機器識別更友好。

  針對以上原始素材的處理步驟如下：

  1. 讀取原始圖片素材
  2. 將彩色圖片二值化為黑白圖片
  3. 去除背景噪點

    二值化圖片
  

  主要步驟如下：

  1. 將RGB彩圖轉為灰度圖
  2. 將灰度圖按照設定閾值轉化為二值圖

  image = Image.open(img_path)
  imgry = image.convert('L')  # 轉化為灰度圖
  
  table = get_bin_table()
  out = imgry.point(table, '1')

  上面引用到的二值函數的定義如下：

  1 2 3 4 5 6 7 8 9 10 11 12 13 14

  def get_bin_table(threshold=140):     """     獲取灰度轉二值的映射table     :param threshold:     :return:     """     table = []     for i in range(256):         if i < threshold:             table.append(0)         else:             table.append(1)       return table

• 1對某個 黑點 周邊的九宮格里面的黑色點計數
• 2如果黑色點少于2個則證明此點為孤立點，然后得到所有的孤立點
• 3對所有孤立點一次批量移除。

      模型訓練

到這個階段后，由于本文直接使用的是開源的 libSVM 方案，屬于應用了，所以此處內容就比較簡單的。只需要輸入特征文件，然后輸出模型文件即可。

可以搜索到很多相關中文資料

主要代碼如下：

def train_svm_model():
    """
    訓練并生成model文件
    :return:
    """
    y, x = svm_read_problem(svm_root + '/train_pix_feature_xy.txt')
    model = svm_train(y, x)
    svm_save_model(model_path, model)