欢迎来到网际学院,让您的头脑满载而归!

利用机器学习技术进行图像识别

发布日期:2017-08-20 00:20:15 作者:管理员 阅读:1292

图像识别技术可以用来解决人脸识别或字符识别等多种问题。

利用机器学习技术进行图像识别

图像识别技术可以用来解决人脸识别或字符识别等多种问题。

在本文中,我将对算法进行实际编码来演示识别手写字,特别是手写的数字。我将会使用Python以及Python的许多模块,比如numpy、PIL等。

1 #从PIL库中导入Image

2 from PIL import Image

3 #导入numpy

4 import numpy as np

5 #从文件中载入图像

6 i = Image.open('images/dot.png')

7 #将图像转换成矩阵形式

8 iar = np.asarray(i)

9 #打印矩阵

10 print (iar)

代码中提到的图像“dot.png”基本如下:

利用机器学习技术进行图像识别

下面给你看看图像的矩阵形式,这里只是矩阵的部分截图。

利用机器学习技术进行图像识别

你会注意到一个由8个矩阵块组成的集合。每个矩阵块表示一个“水平行的像素”,如果仔细观察,你会发现图像有8个像素行,因此图像数组有8个矩阵块。进一步观察,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。现在如果我们回到刚才生成的图像矩阵中,你会注意到像素行的第一个像素[0(R) 0(G) 0(B) 255(A)]为黑色(black),其余的[255(R) 255(G) 255(B) 255(A)]为白色(white)。

注意:A(α值)表示图像的透明度。α值越低,透明度越高,相反α值越高,透明度越低。

下图可以让上面所讲的更清晰地表示出来。

利用机器学习技术进行图像识别

因此,这里共有8行类似这样的结果,剩下的都是白色。

以下代码的输出结果大体上是一个3D图像数组。比如,针对8*8位图像,我们将得到一个8行的3D数组,每一行包含RGB-A(红蓝绿-α)的水平像素值。有一点需要记住的是,α值越高越不透明。我们也可以从另一个角度来理解,第一个维度是整个图像,第二个维度是像素行,第三个维度是RGB-A值(红蓝绿-α)或行中的每一个像素。

现在让我们来看一些有趣的事。你也许想知道为什么有时电脑会习惯于用RGB表示颜色,有时又用RWB或其他类似的方式。好了,有一个理论叫作加色和减色理论。我们在本文中讨论的是加色法。我们以红色画笔为例,如果我们在纸上画一次,会出现红色,再画一次,红色将会变深,如果用手电筒从纸的背面照过来,红色会变得明亮一些,这就是显示器的工作原理。因此,我想说的是,

我将用matplotlib模块来呈现图像。

5 #导入matplotlib

6 import matplotlib.pyplot as plt

7 #从文件中载入图像

8 i = Image.open('images/dotndot.png')

9 #将图像转换成矩阵形式

10 iar = np.asarray(i)

11 #输出图像

12 plt.imshow(iar)

13 plt.show

我导入matplotlib.pyplot函数,并修改了最后两行代码。

下面是输入的图像:

利用机器学习技术进行图像识别

输出结果是:

利用机器学习技术进行图像识别

当计算机尝试识别数字时,会碰到一个问题,有些数字可能会看上去模糊、褪色或变形,就像验证码中或带有彩色零的图像中显示的那样。机器要处理数百万种颜色,增加了计算的复杂度。

并不是所有的图像都有机器容易识别的白色或深色的背景。对于这个问题我们通过设定阈值来解决。我们分析图像的平均颜色,将它作为阈值。高于阈值则认为更接近白色,低于阈值认为接近黑色。

通过设定阈值我们可以简化图像。

让我们来做个最简单的测试。

5 #导入matplotlib库的pyplot

8 i = Image.open('images/numbers/y0.4.png')

9 #将图像转换为矩阵形式

下图是使用matplotlib库绘制的图像。

利用机器学习技术进行图像识别

这是一个以黄色为背景的蓝色零,计算机很难识别这些模糊的图像。

因此,让我们用阈值函数来解决这个问题。使用阈值函数,我们将把任何图像变成黑白两色,这种方法使得计算机不必困惑于数百万种颜色(256*256*256*256),简化了图像识别的工作量。我们提出了将超过阈值的值转化为白色(很明显,一个图像的色彩越多,越接近与白色),同时低于阈值的值转化为黑色。因此现在最有挑战的部分是阈值的确定,该函数基本上是改变数组的值,使每个像素转换为白色或黑色。

下面是阈值函数:

1 #从PIL库导入Image

7 #导入时间

8 import time

9

10 #从文件载入图像i,i2,i3和i4,并将图像转换为矩阵

11 i = Image.open('images/numbers/0.1.png')

12 iar = np.array(i)

13 i2 = Image.open('images/numbers/y0.4.png')

14 iar2 = np.array(i2)

15 i3 = Image.open('images/numbers/y0.5.png')

16 iar3 = np.array(i3)

17 i4 = Image.open('images/sentdex.png')

18 iar4 = np.array(i4)

19

20 #用matplotlib画图,在8*6大小矩形框里内,每张子图行范围(0,4),列范围(0,3),

21 #在(0,0)位置绘制ax1,(4,0)位置绘制ax2,(0,3)位置绘制ax3,(4,3)位置绘制ax4

22

23 fig = plt.figure

24 ax1 = plt.subplot2grid((8,6),(0,0), rowspan=4, colspan=3)

25 ax2 = plt.subplot2grid((8,6),(4,0), rowspan=4, colspan=3)

26 ax3 = plt.subplot2grid((8,6),(0,3), rowspan=4, colspan=3)

27 ax4 = plt.subplot2grid((8,6),(4,3), rowspan=4, colspan=3)

28

29 #输出图像

30 ax1.imshow(iar)

31 ax2.imshow(iar2)

32 ax3.imshow(iar3)

33 ax4.imshow(iar4)

34

35 plt.show

代码输出结果:

利用机器学习技术进行图像识别

在上面的函数中增加阈值函数:

10 #定义阈值函数,参数为图像数组,返回新的图像数组

11 def threshold(imageArray):

12 #balanceAr是数组,用于存放所计算的每行像素的平均值

13 balanceAr =

14 newAr = imageArray

15 for eachRow in imageArray:

16 for eachPix in eachRow:

17 avgNum = reduce(lambda x, y: x + y, eachPix[:3]) / len(eachPix[:3])

18 balanceAr.append(avgNum)

19

20 #balance是balanceAr的平均值,即所有行像素的均值

21 balance = reduce(lambda x, y: x + y, balanceAr) / len(balanceAr)

22

23 #将每行的像素值与均值比较,如果大于均值,像素转换为白色([255,255,255,255])

24 #否则,转换为黑色([0,0,0,255])

25

26 for eachRow in newAr:

27 for eachPix in eachRow:

28 if reduce(lambda x, y: x + y, eachPix[:3]) / len(eachPix[:3]) > balance:

29 eachPix[0] = 255

30 eachPix[1] = 255

31 eachPix[2] = 255

32 eachPix[3] = 255

33 else:

34 eachPix[0] = 0

35 eachPix[1] = 0

36 eachPix[2] = 0

37 eachPix[3] = 255

38 return newAr

39

40 #从文件载入图像i,i2,i3,i4,并转换成数组

41 i = Image.open('images/numbers/0.1.png')

42 iar = np.array(i)

43 i2 = Image.open('images/numbers/y0.4.png')

44 iar2 = np.array(i2)

45 i3 = Image.open('images/numbers/y0.5.png')

46 iar3 = np.array(i3)

47 i4 = Image.open('images/sentdex.png')

48 iar4 = np.array(i4)

49

50 #调用阀值函数

51 threshold(iar3)

52 threshold(iar4)

53 threshold(iar2)

54

55 #用matplotlib作图

56 fig = plt.figure

57 ax1 = plt.subplot2grid((8,6),(0,0), rowspan=4, colspan=3)

58 ax2 = plt.subplot2grid((8,6),(4,0), rowspan=4, colspan=3)

59 ax3 = plt.subplot2grid((8,6),(0,3), rowspan=4, colspan=3)

60 ax4 = plt.subplot2grid((8,6),(4,3), rowspan=4, colspan=3)

61

62 #输出图像

63 ax1.imshow(iar)

64 ax2.imshow(iar2)

65 ax3.imshow(iar3)

66 ax4.imshow(iar4)

67 plt.show

68

输出结果:

利用机器学习技术进行图像识别

你会注意到所有的图像都被转化成黑白图像。阈值设定是图像识别的首要步骤之一。

在阀值函数里,我们通过运行二重循环来读取每个像素行并将该像素行中所有的RGB值取平均值,然后将其添加到balanceAr数组中。这一循环会涉及所有的像素行,计算每一行的像素平均值,然后将其添加到balanceAr数组中。接下来我们将对balanceAr数组中所有的值取平均,并将该平均值存入balance变量中。

我们再回到每个像素行,取平均值并将均值与阈值相比较。如果该均值大于阈值,我们将像素转换为白色,反之转换为黑色。

现在我们已经解决了阈值的问题,并且将所有的图像(彩色或黑白)统一转换成了黑白图像。接下来是比较有趣的部分。我们首先要训练数据,然后教会它如何识别和预测图像。

我们将通过存储本地数据(一些图像)来训练和测试它们,以帮助我们识别图像。

现在, 我的文件夹里已经有了一些图像(数字)文件。我将要做的是用我的numpy函数将这些图像都转化成数组,然后存入数据库中。这样可以节约时间,不必每次处理图像时都要先将其转化为数组。

1 #从PIL导入Image

7 #导入time

10 #定义createExamples函数,将文件里所有图像集转换为数组形式

11 #并写入numArEx.txt文件中

12 def createExamples:

13 #numberArrayExamples是存放图像数组的文件,

14 #numbersWeHave是每个种类图像的数量

15 #versionsWeHave是图像种类的数量

16 numberArrayExamples = open('numArEx.txt','a')

17 numbersWeHave = range(0,10)

18 versionsWeHave = range(1,10)

19

20 for eachNum in numbersWeHave:

21 for eachVer in versionsWeHave:

22

23 #将数组写入文件

24 imgFilePath = 'images/numbers/'+str(eachNum)+ '.'+ str(eachVer)+

25 '.png'

26 ei = Image.open(imgFilePath)

27 eiar = np.array(ei)

28 eiar1 = str(eiar.tolist)

29

30 #对比所有的数字

31 lineToWrite = str(eachNum)+ '::'+ eiar1 + ' '

32 numberArrayExamples.write(lineToWrite)

33

34 #定义阈值函数,参数为图像数组imageArray,返回新的图像数组

35 def threshold(imageArray):

36 balanceAr =

37 newAr = imageArray

38 for eachRow in imageArray:

39 for eachPix in eachRow:

40 avgNum = reduce(lambda x, y: x + y, eachPix[:3]) / len(eachPix[:3])

41 balanceAr.append(avgNum)

42 balance = reduce(lambda x, y: x + y, balanceAr) / len(balanceAr)

43 for eachRow in newAr:

44 for eachPix in eachRow:

45 if reduce(lambda x, y: x + y, eachPix[:3]) / len(eachPix[:3])

46 > balance:

47 eachPix[0] = 255

48 eachPix[1] = 255

49 eachPix[2] = 255

50 eachPix[3] = 255

51 else:

52 eachPix[0] = 0

53 eachPix[1] = 0

54 eachPix[2] = 0

55 eachPix[3] = 255

56 return newAr

57

58 #从文件载入图像i,i2,i3,i4,并转换成数组

59 i = Image.open('images/numbers/0.1.png')

60 iar = np.array(i)

61 i2 = Image.open('images/numbers/y0.4.png')

62 iar2 = np.array(i2)

63 i3 = Image.open('images/numbers/y0.5.png')

64 iar3 = np.array(i3)

65 i4 = Image.open('images/sentdex.png')

66 iar4 = np.array(i4)

67

68 #调用阀值函数

69 threshold(iar3)

70 threshold(iar4)

71 threshold(iar2)

72

73 #用matplotlib作图

74 fig = plt.figure

75 ax1 = plt.subplot2grid((8,6),(0,0), rowspan=4, colspan=3)

76 ax2 = plt.subplot2grid((8,6),(4,0), rowspan=4, colspan=3)

77 ax3 = plt.subplot2grid((8,6),(0,3), rowspan=4, colspan=3)

78 ax4 = plt.subplot2grid((8,6),(4,3), rowspan=4, colspan=3)

79

80 #输出图像

81 ax1.imshow(iar)

82 ax2.imshow(iar2)

83 ax3.imshow(iar3)

84 ax4.imshow(iar4)

85 plt.show

我只是在代码中加入了createExamples函数 。文本文件中基本包含了所有不同的数字以及它们的数组形式。现在我们只需要一个步骤:对比。当我们拿到一个数字并需要识别它时,我们只需尝试将该数字的图像数组和数据库中已有的数组进行对比。如果对比结果是一致的,则输出这个数字。实际操作比听起来更加容易。让我们来试一试。

让我们写一个函数用来对比指定图像和数据库中的图像数组。

13 numberArrayExamples = open('numArEx.txt','a')

14 numbersWeHave = range(0,10)

15 versionsWeHave = range(1,10)

16

17 for eachNum in numbersWeHave:

18 for eachVer in versionsWeHave:

19 #print str(eachNum)+ '.'+ str(eachVer)

20 imgFilePath = 'images/numbers/'+str(eachNum)+ '.'+ str(eachVer)+ '.png'

21 ei = Image.open(imgFilePath)

22 eiar = np.array(ei)

23 eiar1 = str(eiar.tolist)

24

25 # 现在我们来对比所有的数字

26

27 lineToWrite = str(eachNum)+ '::'+ eiar1 + ' '

28 numberArrayExamples.write(lineToWrite)

29 def threshold(imageArray):

30 balanceAr =

31 newAr = imageArray

32 for eachRow in imageArray:

33 for eachPix in eachRow:

34 avgNum = reduce(lambda x, y: x + y, eachPix[:3]) / len(eachPix[:3])

35 balanceAr.append(avgNum)

36 balance = reduce(lambda x, y: x + y, balanceAr) / len(balanceAr)

37 for eachRow in newAr:

38 for eachPix in eachRow:

39 if reduce(lambda x, y: x + y, eachPix[:3]) / len(eachPix[:3]) > balance:

40 eachPix[0] = 255

41 eachPix[1] = 255

42 eachPix[2] = 255

43 eachPix[3] = 255

44 else:

45 eachPix[0] = 0

46 eachPix[1] = 0

47 eachPix[2] = 0

48 eachPix[3] = 255

49 return newAr

50

51 #定义whatNumIsThis函数,参数为文件路径filePath,根据文件路径提取图像,将其转为数组

52 def whatNumIsThis(filePath):

53 matchedAr =

54 loadExamps = open('numArEx.txt','r').read

55

56 #分割函数,将所有图像的像素矩阵以 分割

57 loadExamps = loadExamps.split(' ')

58

59 #载入图像文件列表

60 i = Image.open(filePath)

61 iar = np.array(i)

62 iarl = iar.tolist

63 inQuestion = str(iarl)

64

65 #将图像数组跟数据库中已有的图像数组进行比对

66 for eachExample in loadExamps:

67 try:

68 splitEx = eachExample.split('::')

69 currentNum = splitEx[0]

70 currentAr = splitEx[1]

71

72 eachPixEx = currentAr.split('],')

73 eachPixInQ = inQuestion.split('],')

74

75 x = 0

76

77 while x <len(eachPixEx):

78 if eachPixEx[x] == eachPixInQ[x]:

79 matchedAr.append(int(currentNum))

80

81 x+=1

82 except Exception as e:

83 print(str(e))

84

85 print(matchedAr)

86 x = Counter(matchedAr)

87 print(x)

88 print(x[0])

89

90 #调用whatNumIsThis函数,

91 whatNumIsThis('images/numbers/y0.3.png')

在上面的代码中,我们只增加了whatNumIsThis(filePath)这函数,参数为文件路径(filePath)。这个函数的基本功能是根据文件路径提取图像,将其转为数组,并跟数据库中的数组进行比对。分割函数可以分割所有像素数组。计数器可以记录每一次成功的对比。

输出结果如下:

这样,像素数组最多次对比成功的数是0(328次),并输入图像中的数也是0。因此,我们成功地识别图像。

最后,我可以输出图像了。

利用机器学习技术进行图像识别

现在,让我们试试别的。这次我们使用SciKitLearn提供的数据集,用Support Vector machine来进行分类。顺便说一句,SVM是监督学习分类器,它的工作原理是在我们给出一些标签数据之后,才开始对数据分类。

1 #导入matplotlib、sklearn

2 import matplotlib.pyplot as plt

3 from sklearn import datasets

4 from sklearn import svm

5

6 #skLearn带有数据集,现在我们导入这些数据集

7 digits = datasets.load_digits

8

9 # SVM是我们要用的分类器

10 #digits.data是图像数组的特征集

11 #digits.target是实际的数字

12 #digits.target是我们已经赋值给digits.data的标签

13

14 #使用SVM分类器

15 clf = svm.SVC(gamma = 0.001, C = 100)

16

17 #取图像数组的特征集和标签的最后40个数据赋值给x,y

18 X,y = digits.data[:-40],digits.target[:-40]

19

20 #给数据和相应的图像数组数据贴标签

21 clf.fit(X,y)

22

23 # 训练数据集并拟合

24 #训练所有的数据集除了最后10个数用于测试

25 #输出结果并画图

26 print('Prediction:', clf.predict(digits.data[-42]))

27 plt.imshow(digits.images[-42], cmap=plt.cm.gray_r, interpolation='nearest' )

28 plt.show

在上面的代码中,我们主要是用最后的40个数据训练SVM分类器,然后从这40个数据中任意抽取10个数据来测试它。这里我们试图找到第42个数是什么?

运行代码之后,我们得到以下结果:这是第42个数

利用机器学习技术进行图像识别

让我们看看SVM有没有进行预测并正确标记。

瞧,我们得到了数字6,也就是第42个数的值!

大数据文摘编译者简介

王婧中科院生物学博士,有多年畅游分子和细胞微观世界的经验。热爱科学,热爱大数据席雄芬北京邮电大学无线信号处理专业研究生在读,主要研究图信号处理,对基于社交网络的图数据挖掘感兴趣,希望借助此平台能认识更多的从事大数据方面的人,结交更多的志同道合者。姚佳灵

家庭主妇,对数据分析和处理很感兴趣,正在努力学习中,希望能和大家多交流。


Copyright oneie ©2014-2017 All Rights Reserved. 所有资料来源于互联网对相关版权责任概不负责。如发现侵犯了您的版权请与我们联系。 网际学院 版权所有
免责声明  商务合作及投稿请联系 QQ:86662817