- 自动识别拍照上传的手写数字图片
- python3.7
- opencv-python
- numpy
- torch_cuda
- pyqt5
- 运行mainwindow.py
- 点击“打开文件“按钮，选择要处理的图片，此时会显示待处理的图片
- 点击”二值化“按钮，生成二值化后的图片
- 二值化图片不完美，拖动最左边的”黑白“滚动条，再次点击“二值化”按钮，直到二值化图片尽可能完美
- 点击”显示结果“按钮，生成带标签的结果图片
- 结果图片可能会将非数字标记，拖动中间的”最小框“滚动条和最右边的”最大框“滚动条，调节标记框的大小，再次点击”显示结果“按钮，知道结果尽可能完美
- mycnn_minist.pth： 存放模型的文件
- images： 用于测试的图片文件夹
- make_model： 用于生成模型
- image_prediction.py： 处理程序
- mainwindow.py： 主窗口程序
- 功能要求：
- 手写数字之后，拍照上传到电脑
- 读入照片，能够进行数字分割并显示
- 按照顺序读取每一个数字并识别
- 打印数字到固定框内
- 其他要求
- 在Windows上运行
- 可执行文件双击运行
- 环境
- python 3.7
- pytorch_cuda
- opencv-python
- python实现手写字的图片分割、处理、预测，返回
- 训练模型
- python实现GUI框架
- 打包为exe
-
输入：图片路径
-
过程：
- 读取文件
- 灰度化
- 反转、二值化
- 使用opencv框出图片
- 处理为28*28手写字图片
- 以此使用模型预测数次
-
输出
- 二值化之后的图片
- 框出值之后的图片
- 预测后框出的图片
- 数字序列
-
思路
-
找代码，修改
-
范例：HandwrittenDigitRecognition，准备将其修改
-
每个处理函数都以图片作为输入和输出
-
训练模型参考：使用PyTorch实现CNN
-
-
问题
- 由于输入的初始图象存在阴影、杂质等各种现象，所以根据不同的初始图片，识别框还有二值化阈值可能需要调整
- 解决方法：GUI上增加三项调节条，且显示二值化结果，方便随时调整
- 实际识别率还有一些问题
- 影响不大，不管了
- 手写字体非常难以在纸面上进行排序
- 放弃输出数字序列
- 由于输入的初始图象存在阴影、杂质等各种现象，所以根据不同的初始图片，识别框还有二值化阈值可能需要调整
- CNN训练即可，保存
- 简易界面
- 失败，而且就算成功，由于依赖较多，将会有3G文件，不实用，遂放弃
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent