搜尋

辨識手寫數字

這篇教學會使用 Keras 搭配 NumPy 訓練手寫數字模型,再搭配 OpenCV KNN 演算方法 ( cv2.ml.KNearest_load ),即時辨識出手寫的阿拉伯數字。

快速導覽:

因為程式中的 OpenCV 會需要使用鏡頭或 GPU,所以請使用本機環境或 Anaconda Jupyter 進行實作 ( 參考:使用 Anaconda ) ,並安裝 OpenCV 函式庫 ( 參考:OpenCV 函式庫 )。

什麼是 KNN 演算法?

KNN 演算法的全名為 K Nearest Neighbor,也稱為 K-近鄰演算法,是機器學習中的一種演算法,意思是尋找 k 個最接近「某分類」的鄰居,透過這些鄰居來投票,以多數決定這個分類代表什麼,舉例來說,小明住的地方有 100 個鄰居,小明生了一個小孩不知道要叫什麼名字,於是一一詢問鄰居的意見,最後以多數鄰居的意見作為小孩的命名。

參考:K-近鄰演算法

以下圖為例,測試樣本 ( 綠色圓形 ) 在 k=3 ( 實線圓圈 ) 的狀態下,會被分配給紅色三角形 ( 因為紅色比較多 ),如果 k=5 ( 虛線圓圈 ) 的狀態下,會被分配給藍色正方形,何選擇一個最佳的 K 值取決於資料內容。一般情況下,在分類時較大的 K 值能夠減小雜訊的影響,但會使類別之間的界限變得模糊。

Python 教學 - 辨識手寫數字

安裝 Keras

Keras 是一個開放原始碼,可以進行神經網路學習的 Python 函式庫,在 2017 年,Google TensorFlow 的核心庫加入支援 Keras 的功能,爾後 Keras 常常會和 TensorFlow 互相搭配使用,許多功能也都必須建構在 TensorFlow 的基礎上運作。

參考「Jupter 安裝 Tensorflow」文章,安裝 TensorFlow 後,就會一併安裝 Keras,簡單步驟說明如下 ( 如果已經安裝完成可略過此部分 ):

訓練手寫數字模型

訓練手寫數字模使用 keras 內建的「MNIST 手寫字符數據集」進行訓練,數據集內分成「訓練集」和「測試集」,訓練集有 60,000 張 28x28 像素灰度圖像,作為深度學習與訓練模型使用,測試集內有 10,000 同規格圖像,作為測試訓練模型使用,訓練後可以辨識手寫數字 0~9,下圖為訓練集的其中一部份手寫數字影像。

參考:MNIST 手寫字符數據集

Python 教學 - 辨識手寫數字

下方的程式碼執行後會進行模型訓練,訓練後會將模型儲存為 mnist_knn.xml ( 檔案大小約 200~250 MB ),儲存後會使用測試集進行測試,測試過程需要耗費幾分鐘的時間 ( 範例的測試結果準確度為 96.88% ),如果不想測試也可移除該部分程式碼,直接訓練與儲存模型。

import cv2
import numpy as np
from keras.datasets import mnist
from keras import utils

(x_train, y_train), (x_test, y_test) = mnist.load_data()  # 載入訓練集

# 訓練集資料
x_train = x_train.reshape(x_train.shape[0],-1)  # 轉換資料形狀
x_train = x_train.astype('float32')/255         # 轉換資料型別
y_train = y_train.astype(np.float32)

# 測試集資料
x_test = x_test.reshape(x_test.shape[0],-1)     # 轉換資料形狀
x_test = x_test.astype('float32')/255           # 轉換資料型別
y_test = y_test.astype(np.float32)

knn=cv2.ml.KNearest_create()                    # 建立 KNN 訓練方法
knn.setDefaultK(5)                              # 參數設定
knn.setIsClassifier(True)

print('training...')
knn.train(x_train, cv2.ml.ROW_SAMPLE, y_train)  # 開始訓練
knn.save('mnist_knn.xml')                       # 儲存訓練模型
print('ok')

print('testing...')
test_pre = knn.predict(x_test)                  # 讀取測試集並進行辨識
test_ret = test_pre[1]
test_ret = test_ret.reshape(-1,)
test_sum = (test_ret == test_labels)
acc = test_sum.mean()                           # 得到準確率
print(acc)

根據模型,辨識手寫數字

已經訓練好 xml 模型檔後,就可以開始進行辨識,下方的程式碼會先取出一個正方形的區域,將這個區域的像素做二值化黑白的轉換 ( 因為手寫字通常是白底黑字,要轉換成黑底白字 ),轉換後將尺寸縮小到 28x28 進行辨識,就能得到手寫字的辨識結果,同時也會將辨識的影像顯示在原本影像的右上角。

import cv2
import numpy as np

cap = cv2.VideoCapture(0)                     # 啟用攝影鏡頭
print('loading...')
knn = cv2.ml.KNearest_load('mnist_knn.xml')   # 載入模型
print('start...')
if not cap.isOpened():
    print("Cannot open camera")
    exit()
while True:
    ret, img = cap.read()
    if not ret:
        print("Cannot receive frame")
        break
    img = cv2.resize(img,(540,300))          # 改變影像尺寸,加快處理效率
    x, y, w, h = 400, 200, 60, 60            # 定義擷取數字的區域位置和大小
    img_num = img.copy()                     # 複製一個影像作為辨識使用
    img_num = img_num[y:y+h, x:x+w]          # 擷取辨識的區域

    img_num = cv2.cvtColor(img_num, cv2.COLOR_BGR2GRAY)    # 顏色轉成灰階
    # 針對白色文字,做二值化黑白轉換,轉成黑底白字
    ret, img_num = cv2.threshold(img_num, 127, 255, cv2.THRESH_BINARY_INV)
    output = cv2.cvtColor(img_num, cv2.COLOR_GRAY2BGR)     # 顏色轉成彩色
    img[0:60, 480:540] = output                            # 將轉換後的影像顯示在畫面右上角

    img_num = cv2.resize(img_num,(28,28))   # 縮小成 28x28,和訓練模型對照
    img_num = img_num.astype(np.float32)    # 轉換格式
    img_num = img_num.reshape(-1,)          # 打散成一維陣列資料,轉換成辨識使用的格式
    img_num = img_num.reshape(1,-1)
    img_num = img_num/255
    img_pre = knn.predict(img_num)          # 進行辨識
    num = str(int(img_pre[1][0][0]))        # 取得辨識結果

    text = num                              # 印出的文字內容
    org = (x,y-20)                          # 印出的文字位置
    fontFace = cv2.FONT_HERSHEY_SIMPLEX     # 印出的文字字體
    fontScale = 2                           # 印出的文字大小
    color = (0,0,255)                       # 印出的文字顏色
    thickness = 2                           # 印出的文字邊框粗細
    lineType = cv2.LINE_AA                  # 印出的文字邊框樣式
    cv2.putText(img, text, org, fontFace, fontScale, color, thickness, lineType) # 印出文字

    cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),3)  # 標記辨識的區域
    cv2.imshow('oxxostudio', img)
    if cv2.waitKey(50) == ord('q'):
        break     # 按下 q 鍵停止
cap.release()
cv2.destroyAllWindows()

Python 教學 - 辨識手寫數字

意見回饋

如果有任何建議或問題,可傳送「意見表單」給我,謝謝~

Python 教學

基本介紹

Python 學習導讀 關於 Python 使用 Google Colab 使用 Anaconda

資料型別

變數 variable 變數 ( 全域、區域 ) 數字 number 文字與字串 string 文字與字串 ( 常用方法 ) 文字與字串 ( 格式化 ) 串列 list 串列 ( 常用方法 ) 元組/數組 tuple 字典 dictionary 集合 set

語法觀念

縮排和註解 運算子 operator 邏輯判斷 ( if、elif、else ) 邏輯判斷 ( and 和 or ) 重複迴圈 ( for、while ) 例外處理 ( try、except ) 生成式 comprehension 物件類別 class 物件繼承 inheritance 匯入模組 import

函式操作

函式 function 匿名函式 lambda 遞迴 recursion 產生器 generator 裝飾器 decorator 閉包 closure

內建函式/方法

輸入與輸出 數學計算 字串操作與轉換 迭代物件轉換 迭代物件操作 檔案讀寫 ( open ) eval() 與 exec()

標準函式庫/模組

隨機數 random 數學 math 數學統計函式 statistics 時間與日期 datetime 時間處理 time 日曆 calendar 使用正規表達式 re 檔案操作 os 查找匹配檔案 glob 高階檔案操作 shutil 高效迭代器 itertools 容器資料型態 collections CSV 檔案操作 JSON 檔案操作 concurrent.futures

網路爬蟲

Python 網路爬蟲導讀 關於網路爬蟲 破解反爬蟲的方法 Requests 函式庫 Beautiful Soup 函式庫 Selenium 函式庫 爬取 PTT 文章標題 自動下載 PTT 正妹圖片 同時下載多張圖片 爬取空氣品質指標 ( AQI ) 爬取氣象預報 爬取現在天氣 LINE Notify 雷達回波圖 LINE Notify 即時地震資訊 爬取臺灣銀行牌告匯率 爬取 Yahoo 股市即時股價 爬取 LINE TODAY 留言 批次下載 Pinterest 圖片 登入 Mobile01 截圖下載 Twitter 自動上傳圖文

網頁服務與應用

Flask 函式庫 使用 ngrok 服務 Google Cloud Functions 串接 Gmail 寄送電子郵件 讀取 Google 試算表 寫入 Google 試算表 發送 LINE Notify 通知

LINE BOT 教學

LINE BOT 教學導讀 建立 LINE Channel 設定 Colab 開發環境 建立並串接 Webhook 解析 LINE 的訊息 自動回覆訊息 主動推播訊息 建立圖文選單 切換圖文選單 發送樣板訊息 發送 Flex Message 使用 Requests 傳送訊息 使用 LINE URL Scheme 氣象機器人 (1) 氣象機器人 (2) 氣象機器人 (3) 氣象機器人 (4)

OpenCV 教學

OpenCV 教學導讀 OpenCV 函式庫 開啟並顯示圖片 寫入並儲存圖片 讀取並播放影片 寫入並儲存影片 取得影像資訊 旋轉/翻轉/改變尺寸 影像的幾何變形 影像的色彩轉換 繪製各種形狀 影像加入文字 剪裁影像 調整對比和亮度 負片效果 影像模糊化 影像的疊加與相減 二值化黑白影像 影像的侵蝕與膨脹 影像邊緣偵測 影像遮罩 抓取特定顏色 追蹤並標記特定顏色 馬賽克效果 子母畫面影片 萬花筒影片效果 多畫面延遲播放影片 搞笑全景影片合成效果 凸透鏡效果 ( 魚眼效果 ) 線性漸層填色 合成半透明圖片 將指定的顏色變透明 處理 gif 動畫 影片轉透明 gif 動畫 辨識 QRCode 和 BarCode 掃描 QRCode 切換效果 偵測滑鼠事件 滑鼠選取自動馬賽克 即時在影片中繪圖 偵測鍵盤行為 加入滑桿 ( Trackbar )

AI 影像辨識教學

AI 影像辨識教學導讀 OpenCV 人臉偵測 OpenCV 人臉馬賽克 OpenCV 五官偵測 OpenCV 汽車偵測 OpenCV 行人偵測 OpenCV 辨識不同人臉 OpenCV 單物件追蹤 OpenCV 多物件追蹤 使用 Mediapipe Mediapipe 人臉偵測 Mediapipe 人臉網格 Mediapipe 手掌偵測 Mediapipe 姿勢偵測 Mediapipe 全身偵測 Mediapipe 物體偵測 Mediapipe 人物去背 Mediapipe 手勢辨識 辨識比中指,自動馬賽克 用手指在影片中畫圖 手指擦除鏡子霧氣效果 Jupter 安裝 Tensorflow 使用 Teachable Machine 辨識剪刀、石頭、布 辨識是否戴口罩 辨識手寫數字

NumPy 教學

NumPy 教學導讀 NumPy 函式庫 資料型態 建立陣列 讀取陣列 迭代陣列 陣列項目賦值 修改陣列形狀 修改陣列項目 填充陣列 分割陣列 合併陣列 陣列排序 廣播 搜尋陣列項目 算數計算 數學函式 隨機數 字串操作處理

matplotlib 圖表

matplotlib 教學導讀 matplotlib 函式庫 Figure 和 Axes Figure 參數設定 建立多個子圖表 設定圖表標籤 設定座標軸位置 設定座標軸刻度文字 資料文字標記 加入顏色對照表 使用極座標系統 使用 3D 圖表 圖表顯示中文 下載儲存圖表 顯示圖片 製作圖表動畫 ( 圖表 ) 折線圖 ( 圖表 ) 散布圖 ( 圖表 ) 長條圖 ( 圖表 ) 圓餅圖 ( 圖表 ) 甜甜圈圖 ( 圖表 ) 等高線圖 ( 圖表 ) 階梯折線圖 ( 圖表 ) 堆疊折線圖 ( 圖表 ) 堆疊長條圖 ( 圖表 ) 極座標長條圖 ( 圖表 ) 極座標散布圖 ( 圖表 ) 3D 柱狀長條圖 ( 圖表 ) 3D 散布圖

Tkinter 設計介面

建立 Tkinter 視窗 Label 標籤 Button 按鈕 Radiobutton 單選按鈕 Checkbutton 複選按鈕 Entry 單行輸入框 運用 Label 製作時鐘

實用範例

定時自動螢幕截圖 LINE Notify 傳送螢幕截圖 批次重新命名檔案 批次圖片轉檔 批次調整圖片尺寸 調整圖片亮度和對比 裁切與旋轉圖片 拼接多張圖片 圖片加上 logo 浮水印 圖片加上文字浮水印 圖片馬賽克效果 讀取與修改圖片 Exif 圖片轉文字 ( OCR ) 讀取聲音資訊、輸出聲音 聲音剪輯與串接 聲音音量調整 聲音混合與反轉 改變聲音速度 播放聲音 麥克風錄音 顯示聲波圖形 影片轉檔 取出影片聲音或加入聲音 影片剪輯與合併 影片混合與排列顯示 改變影片尺寸、旋轉翻轉 調整影片速度、倒轉影片 調整影片亮度/對比/顏色 影片轉 gif 動畫 影片中加入文字 影片自動加上字幕 影片截圖、圖片轉影片 下載 Youtube 影片 下載 Youtube 清單影片 產生 QRCode 產生 BarCode 讀取 PDF 內容 PDF 拆分/合併/插入/刪除 讀取 EXCEL 內容 寫入資料到 EXCEL CSV 寫入 EXCEL

基礎範例

攝氏/華氏轉換 公分/英吋換算 判斷平年與閏年 找出不重複字元 找出中間的字元 大樂透電腦選號 下載進度條 星號金字塔 數字金字塔 猜數字 ( 猜大猜小 ) 猜數字 ( 幾 A 幾 B ) 計算 BMI 數值 計算年紀 ( 歲、月、天 ) 產生身分證字號 ( 隨機 ) 檢查身分證字號 羅馬數字轉換

數學範例

兩個數字的四則運算 計算多個數字的總和 費波那契數列 九九乘法表 質因數分解 快速找出質數 最小公倍數 ( 多個數字 ) 最大公因數 ( 多個數字 )

ZeroJudge 解答

關於 ZeroJudge a001: 哈囉 a002: 簡易加法 a003: 兩光法師占卜術 a004: 文文的求婚 a005: Eva 的回家作業 a006: 一元二次方程式 a009: 解碼器 a010: 因數分解 a013: 羅馬數字 a015: 矩陣的翻轉 a017: 五則運算 a020: 身分證檢驗 a021: 大數運算 a022: 迴文 a024: 最大公因數(GCD) a034: 二進位制轉換 a038: 數字翻轉 a040: 阿姆斯壯數 a042: 平面圓形切割 a044: 空間切割 a053: Sagit's 計分程式 a054: 電話客服中心 a058: MOD3 a059: 完全平方和 a065: 提款卡密碼 a095: 麥哲倫的陰謀 a104: 排序 a147: Print it all a148: You Cannot Pass?! a149: 乘乘樂 a215: 明明愛數數 a216: 數數愛明明 a224: 明明愛明明 a225: 明明愛排列 a244: 新手訓練~for+if a248: 新手訓練~陣列應用 a263: 日期差幾天 a271: 彩色蘿蔔 a291: nAnB problem a410: 解方程 a414: 位元運算之進位篇 a417: 螺旋矩陣 a524: 手機之謎 a528: 大數排序 a647: 投資專家 a693: 吞食天地 a738: 最大公約數 a746: 畫蛇添足 a799: 正值國 a915: 二維點排序 b265: Conformity b294: 經濟大恐荒 b367: 翻轉世界 b374: 求眾數 b511: 換銅板 b558: 求數列第 n 項 e267: Group Reverse d073: 分組報告 d294: 算算算 Easy d485: 我愛偶數 d827: 買鉛筆