?

sklearn內置了手寫數字的數據集digits。此數據集的官方介紹在這里。摘錄如下：

Each datapoint is a 8x8 image of a digit.

Classes	10
Samples per class	~180
Samples total	1797
Dimensionality	64
Features	integers 0-16

整體步驟分為：訓練——預測兩大步。用到的預測圖片如下：

?

from sklearn.linear_model import LogisticRegression from sklearn import datasets from sklearn.cross_validation import train_test_split from sklearn.metrics import confusion_matrix,accuracy_score import numpy as np import scipy import cv2 from fractions import Fraction def image2Digit(image):# 調整為8*8大小im_resized = scipy.misc.imresize(image, (8,8))# RGB（三維）轉為灰度圖（一維）im_gray = cv2.cvtColor(im_resized, cv2.COLOR_BGR2GRAY)# 調整為0-16之間（digits訓練數據的特征規格）像素值——16/255im_hex = Fraction(16,255) * im_gray# 將圖片數據反相（digits訓練數據的特征規格——黑底白字）im_reverse = 16 - im_hexreturn im_reverse.astype(np.int) # 加載數字數據 digits = datasets.load_digits() # 劃分訓練集與驗證集 Xtrain, Xtest, ytrain, ytest = train_test_split(digits.data, digits.target, random_state=2) # 創建模型 clf = LogisticRegression(penalty='l2') # 擬合數據訓練 clf.fit(Xtrain, ytrain) # 預測驗證集 ypred = clf.predict(Xtest) # 計算準確度 accuracy = accuracy_score(ytest, ypred) print("識別準確度：",accuracy)# 讀取單張自定義手寫數字的圖片 image = scipy.misc.imread("digit_image/2.png") # 將圖片轉為digits訓練數據的規格——即數據的表征方式要統一 im_reverse = image2Digit(image) # 顯示圖片轉換后的像素值 print(im_reverse) # 8*8轉為1*64（預測方法的參數要求） reshaped = im_reverse.reshape(1,64) # 預測 result = clf.predict(reshaped) print(result)

?

注意：

• 自定義圖片最好是png格式，因為jpg采用的是有損壓縮算法，圖像數據會變化；
• 訓練數據與預測數據格式需要一致，即特征一致；
• 上述代碼基本上是對sklearn算法的簡單調用，識別魯棒性不高，所以圖片中數字要很粗——方便識別

總結

以上是生活随笔為你收集整理的sklearn识别单张自定义手写数字图片的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。