手写数字识别 [MNIST+CV+AdaBoost]

最新推荐文章于 2025-05-26 23:33:34 发布

CurryYuan

最新推荐文章于 2025-05-26 23:33:34 发布

阅读量2.8k

点赞数

CC 4.0 BY-SA版权

分类专栏：计算机视觉文章标签：手写数字识别 Mnist adaBoost

本文链接：https://blog.youkuaiyun.com/happy990/article/details/86768685

计算机视觉专栏收录该内容

6 篇文章

订阅专栏

本文介绍了一种基于图像处理和机器学习的手写数字识别系统。系统首先通过边缘检测和角点检测对A4纸上的手写数字进行预处理，接着使用自适应二值化算法进行分割，最后通过adaBoost算法进行数字识别。实验结果表明，该系统在10张图片上的识别准确率约为80%，在81张图片上的识别准确率提高到了90%左右。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

实验内容

输入图像：普通A4纸，上面有手写的如下信息：

学号
手机号
身份证号

所有输入格式一致，数字号码不粘连，但是拍照时可能角度不正。

输出：

根据标准流程输出每一个主要步骤的结果，包括A4纸张的矫正结果，行数据的切割，单个字符的切割结果。
对A4纸的四个角、学号、手机号、身份证号进行识别，识别结果保存到Excel表格。

实验步骤

边缘检测

在之前的学习中采用了canny算子或者是图像分割来获得边缘。由于A4纸的边缘比较明显，这里可以采用更简单的prewitt算子，只计算像素上下和左右的梯度，加快运算速度。可以看到效果还是很好。
角点检测

采用之前霍夫变换的代码，将图像变换到霍夫空间，检测出直线，再计算交点的坐标，输出到文件point.txt中。
A4纸矫正

获得角点坐标后，利用透视变换的公式对每个像素进行处理。最后结果保存在result/fixed文件夹中。
二值化

由于图像的文字和背景的灰度值并没有很好的区分开，所以使用全局阈值是不行的。这里采用了wellner自适应二值化算法。算法基本的细想就是遍历图像，计算一个移动的平均值。如果某个像素明显的低于这个平均值，则设置为黑色，否则设置为白色。
行分割

基于垂直方向的直方图，把原图分割为多个子图，每个子图包含一行数字。计算每一行黑色像素的数量，会出现峰和谷，谷的地方就是分割线的地方。结果保存在result/divideY文件夹中。
列分割

同样的方法，基于水平方向的直方图，把行子图分割为多个子图，每个子图包含一个数字。结果保存在divide文件夹中。
膨胀

在二值化的时候，有可能出现字符断裂的情况，使用滤波器进行膨胀操作来扩张字符。
对每张子图，用连通区域标记的方法从左到右分割数字。同时还需要把图片取反，因为mnist训练集的数据是黑底白字的。结果保存在result/number文件夹中。每一行数字存在了一个文件夹中。
预测

使用MNIST数据集进行测试，尝试了adaBoost和svm两种模型，发现还是adaBoost对自己的数据集的识别准确率高一点，而且训练速度较快。结果保存在number.xlsx中。

结果分析

10张图片

A4纸矫正和角点的检测全部正确，在行分割时对于倾斜的文字，如图9，有两行因为倾斜角度较大，通过垂直方向直方图没有办法很好区分开，其他全部正确。对于单个数字的切分基本正确，有个别数字因为两部分间隔较大被切分成了两个数字。

在数字识别的准确率上不太理想，单个字符的准确率在80%左右，没有能够实现一张图片完全识别正确。
在这里插入图片描述

81张图片

A4纸的矫正和角点的检测全部正确，但是部分图片的行分割出现了大于三行的情况，因为在二值化时，由于图片变化较大，有些图片还保留了一些除手写字符以外的黑色像素。还有一个原因是字符离边框较近，没有办法通过裁掉边框过滤一些无关的黑色像素。但是这些错误的行都出现在正确的行后面，在最后预测结果时只保留前面三列就可以了。

在数字的识别上面，由于这次的数字像素较小，resize后字迹更粗，与MNIST训练集更相似，所以识别率较之前更高，达到了90%左右，但是这样的准确率对于整张A4纸的识别来说准确率还是较低。
在这里插入图片描述

adaBoost

算法原理

具体说来，整个Adaboost 迭代算法就3步：

初始化训练数据的权值分布。如果有N个样本，则每一个训练样本最开始时都被赋予相同的权值：1/N。
训练弱分类器。具体训练过程中，如果某个样本点已经被准确地分类，那么在构造下一个训练集中，它的权值就被降低；相反，如果某个样本点没有被准确地分类，那么它的权值就得到提高。然后，权值更新过的样本集被用于训练下一个分类器，整个训练过程如此迭代地进行下去。
将各个训练得到的弱分类器组合成强分类器。各个弱分类器的训练过程结束后，加大分类误差率小的弱分类器的权重，使其在最终的分类函数中起着较大的决定作用，而降低分类误差率大的弱分类器的权重，使其在最终的分类函数中起着较小的决定作用。换言之，误差率低的弱分类器在最终分类器中占的权重较大，否则较小。

算法实现

使用Python sklearn包中的AdaBoostClassifier函数进行adaboost的训练和识别。

AdaBoostClassifier参数：

base_estimator：弱分类器的类型，默认为CART决策树
DecisionTreeClassifier algorithm: scikit-learn实现了两种Adaboost分类算法，SAMME和SAMME.R。两者的主要区别是弱学习器权重的度量，默认为SAMME.R
n_estimators: 最大迭代次数。一般来说n_estimators太小，容易欠拟合，n_estimators太大，又容易过拟合，一般选择一个适中的数值。默认是50。
learning_rate：每个弱学习器的权重缩减系数。对于同样的训练集拟合效果，较小的νν意味着我们需要更多的弱学习器的迭代次数。通常我们用步长和迭代最大次数一起来决定算法的拟合效果。默认为1。

DecisionTreeClassifier参数：

max_features: 划分时考虑的最大特征数。默认是"None",意味着划分时考虑所有的特征数
max_depth：决策树最大深度。默认可以不输入，如果不输入的话，决策树在建立子树的时候不会限制子树的深度。
min_samples_split：内部节点再划分所需最小样本数
min_samples_leaf: 叶子节点最少样本数

    t = time()
    model = AdaBoostClassifier(
        base_estimator=DecisionTreeClassifier(splitter='random', max_features=90, max_depth=50, min_samples_split=6,
                                              min_samples_leaf=3), n_estimators=1200, learning_rate=0.005)
    # 拟合训练数据集
    model.fit(train_X, train_Y)
    joblib.dump(model, 'save/adaboost.pkl')
    # 预测训练集
    train_Y_hat = model.predict(train_X[idx])
    print("训练集精确度: ", accuracy_score(train_Y[idx], train_Y_hat))
    # 预测测试集
    test_Y_hat = model.predict(test_X)
    print("测试集精确度: ", accuracy_score(test_Y, test_Y_hat))
    print("总耗时:", time() - t, "秒")

    # 绘制ROC曲线
    n_class = len(np.unique(train_Y))
    roc.drawROC(n_class, test_Y, test_Y_hat)