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
- MySql中varchar(10)和varchar(100)的区别
背景 许多使用MySQL的同学都会使用到varchar这个数据类型.初学者刚开始学习varchar时,一定记得varchar是个变长的类型这个知识点,所以很多初学者在设计表时,就会把varchar(X ...
- POI样式设置详细解析
````````由于看到网上对poi做报告合成的内容不是很全面, ````````自己最近又有新的需求, 作为勉励, 会慢慢补充详细的样式设置, 希望也能帮到各位 设置段落方向 (默认是纵向, 这里可 ...
- BootStrapValidator表单验证插件的学习和使用
BootStrapValidator表单验证插件的学习和使用 引入标签 <script type="text/javascript" src="https://cd ...
- 19. [链表][双指针]删除链表的倒数第N个节点
19. 删除链表的倒数第N个节点 方法一:哨兵节点+快慢指针 在本题中,快慢指针的用法为:让快指针先走几步,步数由 \(n\) 决定. 使用哨兵节点的理由是为了避免删除节点为头结点引发的空指针异常. ...
- 使用websocket连接（对接）asp.net core signalr
使用通用websocket连接asp.net core signalr 一.背景介绍 signalr的功能很强大,可以为我们实现websocket服务端节省不少的时间.但是可能由于不同的环境,我们在对 ...
- sentinel规则nacos持久化
背景说明:生产环境中sentinel的使用应该是如下图所示: sentinel控制台编辑规则 推送到 nacos配置中心, 由nacos推送到应用,应用更新内存. 这样的话, 规则持久化在了naco ...
- java并发与多线程面试题与问题集合
http://www.importnew.com/12773.html https://blog.csdn.net/u011163372/article/details/73995897 ...
- 《JavaScript高级程序设计》——第四章 变量、作用域和内存管理
JavaScript变量可以用保存两种类型的值:基本类型值和引用类型值.基本类型的值源自以下基本类型数据:Undefined.Null.Boolean.Number和String. 从一个变量向另一个 ...
- Redis---03Redis事务
一.Redis事务 1.简述: Redis事务是一个单独的隔离操作:事务中的所有命令都会序列化.按顺序地执行.事务在执行的过程中,不会被其他客户端发送来的命令请求所打断 2.作用: 主要作用就是串联多 ...
- 假如把Redis服务器们拉到一个群，看看他们是怎么工作的？
我是Redis,一个叫Antirez的男人把我带到了这个世界上. 那天,Redis基友群里,许久未见的大白发来了一条消息··· 于是,大白拉了一个新的群 以后的日子中,咱们哥仨相互配合,日常工作中最多 ...