Python_科学计算库
说明：若没有训练级联表，则需要相关级联表才能实现功能
文字识别
# -*- coding: utf-8 -*-
"""
简介：用样本训练数据，再识别
""" import cv2
import numpy as np
from PIL import Image #Python Image Lib
import skimage.feature as feature2d
import sklearn.neighbors as nhb
from sklearn.externals import joblib #对训练模型保存或读取
#cvhog=cv2.HOGDescriptor() #预处理图片
def imgPrepare(filename):
img=cv2.imread(filename,0)
img=np.uint8(img/img.ptp()*255)
img=np.where(img>128,255,img)
img=np.where(img<=128,0,img)
img=np.bitwise_not(img)
return img #横切
def splitchar(img,axis=1):
idxrowb=np.all(img<64,axis=axis)
idxrowi=np.uint8(idxrowb).ravel()
dy=idxrowi[1:]-idxrowi[:-1]
#print(dy)
rowb=np.argwhere(dy==255).ravel()
rowe=np.argwhere(dy==1).ravel()
#print(rowb,rowe)
if axis==1:
imglines=[img[b:e+1,:] for b,e in zip(rowb,rowe)]
else:
imglines=[img[:,b:e+1] for b,e in zip(rowb,rowe)] return imglines #切块
def splitBox(img):
idxrowb=np.all(img<64,axis=1)
idxrowi=np.uint8(idxrowb).ravel()
dy=idxrowi[1:]-idxrowi[:-1]
#print(dy)
rowb=np.argwhere(dy==255).ravel()
rowe=np.argwhere(dy==1).ravel()
b=0
e=-1
if len(rowe)>0:
e=rowe[-1]+1
if len(rowb)>0:
b=rowb[0]
return img[b:e,:] #把图片整成一样大小
def myResize(img,size=(48,48)):
h,w=img.shape
bw=max(h,w)
bh=bw
bimg=np.zeros((bh,bw),np.uint8)
if bw==w:
dh=(bh-h)//2
bimg[dh:dh+h,:]=img[:,:]
else:
dw=(bw-w)//2
bimg[:,dw:dw+w]=img[:,:] bimg=cv2.resize(bimg,size)
return bimg #获取hog向量 图片转为向量
def getHog(img,cell=(16,16),block=(3,3)):
vec=feature2d.hog(img,12,cell,block,'L2')
return vec #训练的主方法
gimg=imgPrepare('e:/sx.jpg')
lines=splitchar(gimg,axis=1)
chars=[]
for line in lines:
charlist=splitchar(line,axis=0)
cchars=[ myResize(splitBox(c)) for c in charlist]
chars.append(cchars)
chars=np.asarray(chars)
X=[]
Y=[]
y=0
for linech in chars: for ch in linech:
chhog=getHog(ch)
X.append(chhog)
Y.append(y) y+=1 KNC=nhb.KNeighborsClassifier(algorithm='ball_tree',n_neighbors=3)
KNC.fit(X,Y) joblib.dump(KNC,'knc.knn') # 识别的主方法
def predict(img):
knc=nhb.KNeighborsClassifier(algorithm='ball_tree',n_neighbors=3)
knc=joblib.load('knc.knn')
lines=splitchar(img,axis=1)
chars=[]
for line in lines:
charlist=splitchar(line,axis=0)
cchars=[ myResize(splitBox(c)) for c in charlist]
chars.append(cchars) chars=np.asarray(chars) Y=[]
for linech in chars:
x=[]
for ch in linech:
chhog=getHog(ch)
x.append(chhog) y=knc.predict(x)
print(y)
Y.append(y) return Y
文字识别
语音处理
def input(self,overtime=60,Noise=12000):
time.sleep(0.5)
pa=au.PyAudio()
stream=pa.open(format = au.paInt16, channels = 1, rate = 16000, input = True,frames_per_buffer = 4000)
spk=pa.open(format=au.paInt16,channels=1,rate=16000,output=True,frames_per_buffer=1000)
filename='./temp/in_%s.wav'%(self._gettoken()) #pcm格式
wf = wave.open(filename, 'wb')
wf.setnchannels(1)
wf.setsampwidth(2)
wf.setframerate(16000)
ch=0
ptparr=np.array([0,0,0,0])
begin=False
while ch<overtime*4:
ch+=1
bs=stream.read(4000)
#spk.write(bs)
arr=np.frombuffer(bs,dtype=np.short)
ptp=arr.max()*1.0-arr.min()*1.0
ptparr[:-1]=ptparr[1:]
ptparr[-1]=np.abs(ptp)
if not begin:
if ptparr[-1]>Noise * 1.5:
begin=True
ch=1
wf.writeframes(bs)
if self.debuge:
print('+',end='')
else:
if np.all(ptparr<Noise):
if self.debuge:
print('+')
break
else:
if self.debuge:
print('-',end='')
wf.writeframes(bs)
stream.close()
spk.close()
wf.close()
wr=wave.open(filename,'rb')
buf=wr.readframes(wr.getnframes())
wr.close()
pa.terminate()
return filename,buf
# self.speech.asr()
def inputvoice(self,overtime=60,Noise=12000):
fn,buf=self.input(overtime,Noise)
result=self.speech.asr(buf)
msgs=[]
if 'result' in result.keys():
msgs=result['result']
msg=''
for m in msgs:
msg+=str(m)
return result['err_no'],msg
语言处理
#语音处理，录音
def input(self,overtime=60,Noise=12000):
time.sleep(0.5)
pa=au.PyAudio()
stream=pa.open(format = au.paInt16, channels = 1, rate = 16000, input = True,frames_per_buffer = 4000)
spk=pa.open(format=au.paInt16,channels=1,rate=16000,output=True,frames_per_buffer=1000)
filename='./temp/in_%s.wav'%(self._gettoken()) #pcm格式
wf = wave.open(filename, 'wb')
wf.setnchannels(1)
wf.setsampwidth(2)
wf.setframerate(16000)
ch=0
ptparr=np.array([0,0,0,0])
begin=False
while ch<overtime*4:
ch+=1
bs=stream.read(4000)
#spk.write(bs)
arr=np.frombuffer(bs,dtype=np.short)
ptp=arr.max()*1.0-arr.min()*1.0
ptparr[:-1]=ptparr[1:]
ptparr[-1]=np.abs(ptp)
if not begin:
if ptparr[-1]>Noise * 1.5:
begin=True
ch=1
wf.writeframes(bs)
if self.debuge:
print('+',end='')
else:
if np.all(ptparr<Noise):
if self.debuge:
print('+')
break
else:
if self.debuge:
print('-',end='')
wf.writeframes(bs)
stream.close()
spk.close()
wf.close()
wr=wave.open(filename,'rb')
buf=wr.readframes(wr.getnframes())
wr.close()
pa.terminate()
return filename,buf
# self.speech.asr()
def inputvoice(self,overtime=60,Noise=12000):
fn,buf=self.input(overtime,Noise)
result=self.speech.asr(buf)
msgs=[]
if 'result' in result.keys():
msgs=result['result']
msg=''
for m in msgs:
msg+=str(m)
return result['err_no'],msg
语音处理（录音）
import cv2
import numpy as np
from PIL import Image
#pip install PIL
#pip install opencv-python
#pip install dlib
dector=cv2.CascadeClassifier()
ret=dector.load('haarcascade_frontalface_alt_tree.xml')
if not ret:
print('未找到级联表文件:plate_cascade.xml')
exit() img=cv2.imread('e:/85n.jpg')
if img is None:
print('文件不存在')
exit()
#彩色转成灰度图像
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) gray=np.uint8(gray/gray.ptp()*255) boxs=dector.detectMultiScale(gray,1.015,1)
platelist=[]
for box in boxs:
x,y,w,h=box
g=img[y:y+h,x:x+w,:]
platelist.append(g)
linew=h//100+1
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),linew)
gimg=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
image=Image.fromarray(gimg)
image.show()
image.close()
人脸识别
import cv2
detector=cv2.CascadeClassifier()
ret=detector.load('plate_cascade.xml')
if not ret:
print('error')
quit()
img=cv2.imread('cars1.jpg')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
boxs=detector.detectMultiScale(gray,1.01,3)
for box in boxs:
x,y,w,h=box
p=img[y:y+h,x:x+w:]
name='%d_%d.jpg'%(x,h)
cv2.imwrite(name,p)
车牌识别
# -*- coding: utf-8 -*-
"""
Created on Thu May 17 18:13:35 2018 @author: inspiron
""" import cv2
from PIL import Image hog=cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
img=cv2.imread('e:/1.jpg')
boxs,rets=hog.detectMultiScale(img) for box in boxs:
x,y,w,h=box
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
gimg=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
image=Image.fromarray(gimg)
image.show() cam=cv2.VideoCapture(0)
while True:
ret,img=cam.read()
if not ret:
break
boxs,rets=hog.detectMultiScale(img)
for box in boxs:
x,y,w,h=box
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
cv2.imshow('hog',img)
ch=cv2.waitKey(5)
if ch==27:
break cv2.destroyAllWindows()
cam.release()
人形识别
# -*- coding: utf-8 -*-
"""
Created on Thu May 17 19:30:13 2018 @author: AI04班级
""" import cv2
import numpy as np
from PIL import Image #Python Image Lib
import skimage.feature as feature2d
import sklearn.neighbors as nhb
from sklearn.externals import joblib #对训练模型保存或读取
#cvhog=cv2.HOGDescriptor() def imgPrepare(filename):
img=cv2.imread(filename,0)
img=np.uint8(img/img.ptp()*255)
img=np.where(img>128,255,img)
img=np.where(img<=128,0,img)
img=np.bitwise_not(img)
return img def splitchar(img,axis=1):
idxrowb=np.all(img<64,axis=axis)
idxrowi=np.uint8(idxrowb).ravel()
dy=idxrowi[1:]-idxrowi[:-1]
#print(dy)
rowb=np.argwhere(dy==255).ravel()
rowe=np.argwhere(dy==1).ravel()
#print(rowb,rowe)
if axis==1:
imglines=[img[b:e+1,:] for b,e in zip(rowb,rowe)]
else:
imglines=[img[:,b:e+1] for b,e in zip(rowb,rowe)] return imglines def splitBox(img):
idxrowb=np.all(img<64,axis=1)
idxrowi=np.uint8(idxrowb).ravel()
dy=idxrowi[1:]-idxrowi[:-1]
#print(dy)
rowb=np.argwhere(dy==255).ravel()
rowe=np.argwhere(dy==1).ravel()
b=0
e=-1
if len(rowe)>0:
e=rowe[-1]+1
if len(rowb)>0:
b=rowb[0] return img[b:e,:] def myResize(img,size=(48,48)):
h,w=img.shape
bw=max(h,w)
bh=bw
bimg=np.zeros((bh,bw),np.uint8)
if bw==w:
dh=(bh-h)//2
bimg[dh:dh+h,:]=img[:,:]
else:
dw=(bw-w)//2
bimg[:,dw:dw+w]=img[:,:] bimg=cv2.resize(bimg,size)
return bimg def getHog(img,cell=(16,16),block=(3,3)):
vec=feature2d.hog(img,12,cell,block,'L2')
return vec
#main
gimg=imgPrepare('e:/sx.jpg')
lines=splitchar(gimg,axis=1)
chars=[]
for line in lines:
charlist=splitchar(line,axis=0)
cchars=[ myResize(splitBox(c)) for c in charlist]
chars.append(cchars)
chars=np.asarray(chars)
X=[]
Y=[]
y=0
for linech in chars: for ch in linech:
chhog=getHog(ch)
X.append(chhog)
Y.append(y) y+=1 KNC=nhb.KNeighborsClassifier(algorithm='ball_tree',n_neighbors=3)
KNC.fit(X,Y) joblib.dump(KNC,'knc.knn') def predict(img):
knc=nhb.KNeighborsClassifier(algorithm='ball_tree',n_neighbors=3)
knc=joblib.load('knc.knn')
lines=splitchar(img,axis=1)
chars=[]
for line in lines:
charlist=splitchar(line,axis=0)
cchars=[ myResize(splitBox(c)) for c in charlist]
chars.append(cchars) chars=np.asarray(chars) Y=[]
for linech in chars:
x=[]
for ch in linech:
chhog=getHog(ch)
x.append(chhog) y=knc.predict(x)
print(y)
Y.append(y) return Y
数字识别
Python_科学计算库的更多相关文章
- Python_科学计算平台__pypi体系的numpy、scipy、pandas、matplotlib库简介
1.numpy--基础,以矩阵为基础的数学计算模块,纯数学 存储和处理大型矩阵. 这个是很基础的扩展,其余的扩展都是以此为基础. 快速学习入口 https://docs.scipy.org/doc/n ...
- SciPy - 科学计算库（上）
SciPy - 科学计算库(上) 一.实验说明 SciPy 库建立在 Numpy 库之上,提供了大量科学算法,主要包括这些主题: 特殊函数 (scipy.special) 积分 (scipy.inte ...
- python科学计算库的numpy基础知识，完美抽象多维数组(原创)
#导入科学计算库 #起别名避免重名 import numpy as np #小技巧:从外往内看==从左往右看 从内往外看==从右往左看 #打印版本号 print(np.version.version) ...
- python科学计算库numpy和绘图库PIL的结合,素描图片(原创)
# 导入绘图库 from PIL import Image #导入科学计算库 import numpy as np #封装一个图像处理工具类 class TestNumpy(object): def ...
- numpy科学计算库的基础用法，完美抽象多维数组(原创)
#起别名避免重名 import numpy as np #小技巧:print从外往内看==shape从左往右看 if __name__ == "__main__": print(' ...
- Python科学计算库
Python科学计算库 一.numpy库和matplotlib库的学习 (1)numpy库介绍:科学计算包,支持N维数组运算.处理大型矩阵.成熟的广播函数库.矢量运算.线性代数.傅里叶变换.随机数生成 ...
- ubuntu14.04 下安装 gsl 科学计算库
GSL(GNU Scientific Library)作为三大科学计算库之一,除了涵盖基本的线性代数,微分方程,积分,随机数,组合数,方程求根,多项式求根,排序等,还有模拟退火,快速傅里叶变换,小波, ...
- windows下如何快速优雅的使用python的科学计算库？
Python是一种强大的编程语言,其提供了很多用于科学计算的模块,常见的包括numpy.scipy.pandas和matplotlib.要利用Python进行科学计算,就需要一一安装所需的模块,而这些 ...
- Python科学计算库Numpy
Python科学计算库Numpy NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库. 1.简 ...
随机推荐
- org.apache.rocketmq.client.exception.MQClientException: No route info of this topic, TopicTest异常解决
使用RocketMQ发送消息抛出异常,异常如下: 原因: Broker 禁止自动创建Topic,且用户没有通过手动创建此Topic,或者broker 和 Nameserver网络不通: 解决方案: 1 ...
- git学习(八) git stash操作
git stash命令的作用就是将目前还不想提交的但是已经修改的内容进行保存至堆栈中,后续可以在某个分支上恢复出堆栈中的内容.git stash作用的范围包括工作区和暂存区中的内容,没有提交的内容都会 ...
- forword与redirect
1.从地址栏显示来说 forward是服务器请求资源,服务器直接访问目标地址的URL,把那个URL的响应内容读取过来,然后把这些内容再发给浏览器.浏览器根本不知道服务器发送的内容从哪里来的,所以它的地 ...
- poj 2229 一道动态规划思维题
http://poj.org/problem?id=2229 先把题目连接发上.题目的意思就是: 把n拆分为2的幂相加的形式,问有多少种拆分方法. 看了大佬的完全背包代码很久都没懂,就照着网上的写了动 ...
- excel--text()函数
- 【转】Loading PNGs with SDL_image
FROM:http://lazyfoo.net/tutorials/SDL/06_extension_libraries_and_loading_other_image_formats/index2. ...
- python pickle 模块的使用详解
用于序列化的两个模块 json:用于字符串和Python数据类型间进行转换 pickle: 用于python特有的类型和python的数据类型间进行转换 json提供四个功能:dumps,dump,l ...
- freopen （）函数
1.格式 FILE * freopen ( const char * filename, const char * mode, FILE * stream ); 2.参数说明 filename: 要打 ...
- 企业级docker-registry原生镜像仓库高可用部署
简介: 私有镜像仓库可以方便企业,或个人开发者共享内部镜像而不会泄漏私有代码,而且可以加速镜像的拉取.能更加方便得集成到容器化的 CI/CD 中去.也可建立自己的公共镜像仓库. 优势: Docker ...
- Linux 系统编程 学习：03-进程间通信1：Unix IPC（2）信号
Linux 系统编程 学习:03-进程间通信1:Unix IPC(2)信号 背景 上一讲我们介绍了Unix IPC中的2种管道. 回顾一下上一讲的介绍,IPC的方式通常有: Unix IPC包括:管道 ...