KNN算法中图像与矩阵转化：相关库及安装等问题解析

笔记：

以上部分主要讲解了 KNN 算法，该算法使用了现成的 28*28 数据，在实际做笔迹分析时，首先需要将图像转换为矩阵数据。

现在我们来介绍一下将图像转换为矩阵，将矩阵转换为图像的方法

矩阵被转换为图像

所需的库是 Python 映像库（PIL）。

Windows 下 pip install 安装 PIL 失败，采取下载PIL.exe双击安装的方法

下载链接：

太平船务官方下载地址

import pandas as pd
import numpy as np
from PIL import Image
# load data
train = pd.read_csv('train.csv')
# now draw the numbers
for ind, row in train.iloc[0:3].iterrows():#iloc方法(介绍见后)来获得前3行数据
 i = row[0]#[0]为标签项
 arr = np.array(row[1:], dtype=np.uint8)#1-784列组成一幅图，，uint8为8位无符号整数
 #arr = np.array(255 - row[1:], dtype=np.uint8)#如果需要颜色取反，用255减去当前每个像素点的值
 arr.resize((28, 28))#把它变成28*28的矩阵
 #save to file
 im = Image.fromarray(arr)
 im.save("./train_pics/%s-%s.png" % (ind, i))#第一个%s（ind）表示它是第几幅图像，第二个%s表示这个图像里面数字是几 ,注意该语句不能产生文件夹，需要现在指定目录建一个文件夹

.iloc（）方法

iloc[行位置,列位置]
df.iloc[1,1]#选取第二行，第二列的值，返回的为单个值
df.iloc[0,2],:]#选取第一行及第三行的数据

图像被转换为矩阵

您需要的库是 OpenCV （Open Source Computer Vision），下载安装请参考附录

以下是它的一些简单功能

1. 静止图像的输入和输出

cv2.imread('xxx.png')#输入，#这里输入image的维度image.shape = (w,h,3)，w*h是图片的长宽，3是BGR等三种颜色的channel值，每个值为0～255
cv2.imwrite('xxx.jpg', image)#输出

2. 将图片转换为灰度

#灰度图片的颜色channel只有一个，0～255表示灰度值
grayImage = cv2.imread('xxx.png',cv2.CV_LOAD_IMAGE_GRAYSCALE)

3. 更改图像的大小

print grayImage.shape#查看图像的shape，shape为（137,301），如果查看的是图像的size，则为42137（41237=137*301）
res=cv2.resize(grayImage,(28,28),interpolation=cv2.INTER_CUBIC)#将图片grayImage以cv2.INTER_CUBIC方式变化为（28,28）大小的图片

变换方法：

以下是输入、输出、更改为灰度、更改图像大小、显示以及注意图像在窗口中的显示的完整过程

import cv2
image = cv2.imread('111.png')#读
cv2.imwrite('111.jpg', image)#写
grayImage = cv2.imread('111.png',cv2.CV_LOAD_IMAGE_GRAYSCALE)
print grayImage.shape
res=cv2.resize(grayImage,(28,28),interpolation=cv2.INTER_CUBIC)
#显示图像
cv2.imshow('test',grayImage)#显示灰度图
cv2.imshow('change',res)#显示改变了大小的图
#捕获键盘输入
k=cv2.waitKey(0)
if k==27:#27表示ESC键
 cv2.destroyWindow()

cv2.imshow（）用于在窗口中显示图像，并且必须后跟 cv2.waitKey（）函数以使显示持续，否则显示程序将中止并且窗口将关闭。cv2.waitKey（）函数捕获键盘的输入，cv2.destroyWindow（）是释放窗口。

在学会了如何读取和输出图片之后，我们可以使用书面的 KNN 算法来识别我们的笔迹。

问题：

我用了大量的手写数据来验证识别准确，发现准确率不够高。主要问题是

：

1. 图片的大小是个问题，调整大小不宜把整张图片变成28*28的图片，而应该用数字标识中心图片，去掉旁边的白边

2. 手写数码照片，不保证书写处为黑色（像素值为 255）。

解：由于纸张拍摄问题，您需要使用滤镜来减少像素值。由于没有滤镜，我用写在绘图板上的数字换掉了照片。

3. 字迹的粗细会影响判断

解决方法：这可能是训练样本不够，整体训练样本的笔迹太粗，输入非常细的笔迹时无法识别。此外，还应监控输入字体的粗细，将非常细的笔迹膨胀，并将非常粗的笔迹腐蚀

附件：python_OpenCV安装

我在网上看到了很多关于在 VS 环境下安装 OpenCV 的教程，也一直在 windows7、32 位、sublime+cmd 环境下编写 python，所以我琢磨了一下在这种情况下安装 OpenCV