10.4　计算机图像识别

本节使用Python及NumPy、PIL等模块、机器学习方法进行图像识别，编写代码实现手写数字识别，实现思路如下：

（1）从文件中载入图像，将图像转换成矩阵形式。

（2）将彩色图像转换为黑白图像。分析图像的平均颜色，将它作为阈值，高于阈值则接近白色，低于阈值接近黑色。

（3）图像对比。要识别一个图像，先将图像数据转换为数组，然后和数据文件中已有的图像数组进行对比，统计对比结果次数最多的数字，为识别的结果数字。

（4）使用机器学习算法进行图像识别。

接下来介绍具体实现过程。

（1）加载图像，将图像转换成矩阵形式。

image_recognition1.py的源代码如下：

dot.png图像是一个由8个矩阵块组成的集合,如图10-8所示。每个矩阵块表示一行像素，图像有8个像素行，对应8个矩阵块。图像的第一个像素行是由一个黑色像素后面跟着7个白色像素组成的，第一个像素（[0 0 0 255]）为黑色，其余7个像素（均为[255 255 255 255]）为白色。其中[0 0 0 255]的第4个数值是255，记为α值，α表示图像的透明度，α值越低，透明度越高；α值越高，透明度越低。

在Spyder中运行image_recognition1.py，运行结果如下：

（2）将彩色图像转换为黑白图像。

当计算机识别手写数字时，有些数字可能看上去模糊、褪色或变形，类似于验证码中的数字。如果系统要处理数百万种颜色（256×256×256×256），不仅增加了计算的复杂度，且不容易识别出所有图像白色或深色的背景。我们计算图像的平均颜色，将它作为阈值，高于阈值认为更接近白色，低于阈值认为接近黑色。使用阈值函数，可把任何图像变成黑白两色，这种方法使得系统不必困惑于数百万种颜色，从而简化了图像识别的工作量。

image_recognition2.py的源代码如下：

image_recognition2.py的第34、37、39、41行代码加载的图像如图10-9所示。

在Spyder中运行image_recognition2.py，运行结果如图10-10所示，左侧图像为彩色图像，右侧图像为转换成黑白颜色的图像。

（3）使用图像数组比对方式进行图像识别。

通过NumPy函数对图像进行预处理，将图像数据转化成数组，存入数据文件numArEx.txt，这样可以节约时间，而不必每次处理图像时都先将其转化为数组。numArEx.txt文件中包含了所有不同的数字以及它们的数组形式。

numArEx.txt部分记录如下：

当我们要识别一个数字图像时，将该数字的图像数组和数据文件中已有的数组信息进行对比。如果对比结果是一致的，则识别输出这个数字。whatNumIsThis(filePath)函数用于对比指定图像和数据文件中的图像数组，根据传入的文件路径提取图像，将图像转为数组，并跟数据文件中的数组进行比对。分割函数分割所有像素数组，计数器记录每一次成功的对比。

image_recognition3.py的源代码如下：

在Spyder中运行image_recognition3.py，运行结果如图10-11所示，图10-11（a）中像素数组对比成功次数最多的数字是2（2766次），要比对的图像数字也是2，因此图像2识别成功。图10-11（b）中像素数组对比成功次数最多的数字是9（3060次），要比对的图像数字也是9，因此图像9识别成功。

（4）使用SVM分类器进行图像识别。

加载sklearn提供的数据集，使用支持向量机（SVM）进行分类。

image_recognition4.py的源代码如下：

在Spyder中运行image_recognition3.py，运行结果如图10-12所示，支持向量机模型预测值为数字6，实际上第42张图像的数字也是6，手写数字识别成功。