### Python 手写体数字分割与识别实现方法 #### 准备工作 为了完成手写体数字的分割与识别，首先需要准备数据集并导入必要的库。常用的数据集之一是MNIST手写数字数据库。 ```python import numpy as np from PIL import Image, ImageOps import cv2 import tensorflow.keras.datasets.mnist as mnist ``` #### 数据加载与预览 加载MNIST数据集，并查看其中的一些图片以了解其结构[^4]。 ```python (x_train, y_train), (x_test, y_test) = mnist.load_data() print('Training data shape:', x_train.shape) plt.imshow(x_train[0], cmap='gray') plt.show() ``` #### 图像预处理 对于输入图像，在送入模型之前通常要进行灰度化、二值化以及尺寸调整等操作。如果图像是多字符，则还需要先对其进行切割分离得到单个字符图像。 ```python def preprocess_image(image_path): img = Image.open(image_path).convert('L') # 转为灰度图 width, height = img.size new_size = min(width, height) left = (width - new_size)/2 top = (height - new_size)/2 right = (width + new_size)/2 bottom = (height + new_size)/2 img_cropped = img.crop((left, top, right, bottom)) img_resized = img_cropped.resize([28, 28]) img_array = np.array(img_resized) _, binary_img = cv2.threshold(img_array, 127, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) return binary_img / 255.0 ``` #### 数字分割 当面对多个连在一起的手写数字时，可以采用投影法或其他技术来进行有效切分。这里提供一种简单的方法——水平/垂直方向上的直方图分析来定位可能存在的间隙位置从而实现初步分割[^2]。 ```python def split_digits(binary_img): horizontal_projection = np.sum(binary_img, axis=0) gaps = [] gap_start = None for i in range(len(horizontal_projection)): if horizontal_projection[i] == 0 and gap_start is None: gap_start = i elif horizontal_projection[i] != 0 and gap_start is not None: gaps.append((gap_start, i)) gap_start = None digits = [] last_end = 0 for start, end in gaps: digit_img = binary_img[:, last_end:start] if np.any(digit_img): digits.append(preprocess_single_digit(digit_img)) last_end = end final_digit = binary_img[:, last_end:] if np.any(final_digit): digits.append(preprocess_single_digit(final_digit)) return digits ``` 注意这里的`preprocess_single_digit()`函数应该调用上面定义好的`preprocess_image()`来做进一步标准化处理。 #### 构建CNN模型 构建一个简单的卷积神经网络(CNN)，用于训练和预测手写的单一数字。此部分代码假设已经完成了前面提到的所有准备工作。 ```python from keras.models import Sequential from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense model = Sequential([ Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)), MaxPooling2D(pool_size=(2, 2)), Conv2D(filters=64, kernel_size=(3, 3), activation='relu'), MaxPooling2D(pool_size=(2, 2)), Flatten(), Dense(units=128, activation='relu'), Dense(units=10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) history = model.fit(x=x_train.reshape(-1, 28, 28, 1), y=y_train, epochs=5, validation_split=0.2) ``` #### 测试与评估 最后一步是对新采集到的手写数字照片应用上述流程中的各个组件，包括但不限于读取文件路径、执行预处理步骤、实施分割逻辑并将最终获得的一系列子图像传递给经过良好训练后的CNN模型做分类决策。 ```python test_image_path = 'path_to_your_handwritten_number.jpg' binary_img = preprocess_image(test_image_path) digits_imgs = split_digits(binary_img) predictions = [] for dimg in digits_imgs: pred = model.predict(np.expand_dims(dimg, axis=[0, -1])) predictions.extend(pred.argmax(axis=-1)) print(f'Predicted sequence of numbers: {"".join(map(str,predictions))}') ```