RM新时代足球交易平台

圖片字母，數(shù)字識(shí)別技術(shù)

來(lái)源：未知　時(shí)間：2018-31-24　瀏覽次數(shù)：217次

• python3.5

  python SDK版本

• PIL

  圖片處理庫(kù)

• libsvm

  開(kāi)源的svm機(jī)器學(xué)習(xí)庫(kù)
  三、基本流程

  1. 準(zhǔn)備原始圖片素材
  2. 圖片預(yù)處理
  3. 圖片字符切割
  4. 圖片尺寸歸一化
  5. 圖片字符標(biāo)記
  6. 字符圖片特征提取
  7. 生成特征和標(biāo)記對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)集
  8. 訓(xùn)練特征標(biāo)記數(shù)據(jù)生成識(shí)別模型
  9. 使用識(shí)別模型預(yù)測(cè)新的未知圖片集
  10. 達(dá)到根據(jù)“圖片”就能返回識(shí)別正確的字符集的目標(biāo)

  四、圖片字母，數(shù)字識(shí)別的實(shí)現(xiàn)
     圖片預(yù)處理
  

  雖然目前的機(jī)器學(xué)習(xí)算法已經(jīng)相當(dāng)先進(jìn)了，但是為了減少后面訓(xùn)練時(shí)的復(fù)雜度，同時(shí)增加識(shí)別率，很有必要對(duì)圖片進(jìn)行預(yù)處理，使其對(duì)機(jī)器識(shí)別更友好。

  針對(duì)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(diǎn)

    二值化圖片
  

  主要步驟如下：

  1. 將RGB彩圖轉(zhuǎn)為灰度圖
  2. 將灰度圖按照設(shè)定閾值轉(zhuǎn)化為二值圖

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

  上面引用到的二值函數(shù)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(zhuǎn)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(duì)某個(gè) 黑點(diǎn) 周邊的九宮格里面的黑色點(diǎn)計(jì)數(shù)
• 2如果黑色點(diǎn)少于2個(gè)則證明此點(diǎn)為孤立點(diǎn)，然后得到所有的孤立點(diǎn)
• 3對(duì)所有孤立點(diǎn)一次批量移除。

      模型訓(xùn)練

到這個(gè)階段后，由于本文直接使用的是開(kāi)源的 libSVM 方案，屬于應(yīng)用了，所以此處內(nèi)容就比較簡(jiǎn)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(guān)中文資料

主要代碼如下：

def train_svm_model():
    """
    訓(xùn)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)