手寫數(shù)字筆跡細(xì)化

對于手寫數(shù)字識別實驗中，經(jīng)常會遇到因為筆跡較粗導(dǎo)致誤識別的情況，所以我們通常會先將筆跡進(jìn)行細(xì)化，筆跡變細(xì)以后，數(shù)字的特征會更明顯，后續(xù)進(jìn)行識別的準(zhǔn)確率就會更高。

例如數(shù)字7 和 1 ，因為書寫習(xí)慣的不同，在識別圖像如果使用原始圖像，筆跡較粗，經(jīng)常會識別錯誤，但是經(jīng)過腐蝕操作，筆跡變細(xì)以后，會很容易將二者區(qū)分開。

本期我們重點學(xué)習(xí)圖像的腐蝕操作，通過圖像腐蝕來將手寫數(shù)字的筆跡進(jìn)行細(xì)化。

完成本期內(nèi)容，你可以

• 了解圖像腐蝕的原理和應(yīng)用

• 掌握使用圖像腐蝕進(jìn)行圖像處理

若要運行案例代碼，你需要有：

• 操作系統(tǒng)：Ubuntu 16 以上 或者 Windows10

• 工具軟件：VScode 或者其他源碼編輯器

• 硬件環(huán)境：無特殊要求

• 核心庫：python 3.6.13， opencv-contrib-python 3.4.11.39，opencv-python 3.4.2.16

點擊下載源碼

---

腐蝕

OpenCV將腐蝕封裝成了cv2.erode()方法。

函數(shù)原型：dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)
dst為輸出圖像。

參數(shù)描述如下：

• src：被處理的圖像
• kernel：腐蝕使用的核
• anchor：可選參數(shù)，錨點的位置
• iterations：可選參數(shù)，腐蝕操作的迭代次數(shù)，默認(rèn)值為1
• borderType：可選參數(shù)，邊界樣式，建議采用默認(rèn)值
• borderValue：可選參數(shù)，邊界值，建議采用默認(rèn)值

---

具體步驟

1. 創(chuàng)建項目結(jié)構(gòu)

創(chuàng)建項目名為手寫數(shù)字筆跡細(xì)化，項目根目錄下新建code文件夾儲存代碼，新建dataset文件夾儲存數(shù)據(jù)，項目結(jié)構(gòu)如下：

手寫數(shù)字筆跡細(xì)化                          # 項目名稱
├── code                               # 儲存代碼文件
├── dataset                            # 儲存數(shù)據(jù)文件

注：如項目結(jié)構(gòu)已存在，無需再創(chuàng)建。

2. 使用腐蝕操作對數(shù)字 7 進(jìn)行處理

1. 在 code文件夾下創(chuàng)建number_7.py文件；
2. 導(dǎo)入所需的庫，OpenCV、numpy；
3. 讀取dataset文件夾下的7.png圖片，并進(jìn)行展示；
4. 創(chuàng)建一個13*13的都為1 的數(shù)組作為濾波核；
5. 對圖像進(jìn)行腐蝕處理，并展示結(jié)果；

代碼實現(xiàn)

# 導(dǎo)入OpenCV、numpy
import cv2
import numpy as np# 讀取圖像
img = cv2.imread("../dataset/7.png")
cv2.imshow("original",img)# 創(chuàng)建13*13的都為1的數(shù)組作為核
k = np.ones((13, 13), np.uint8)
# 進(jìn)行腐蝕操作
dst = cv2.erode(img, k)
cv2.imshow("erode",dst)cv2.waitKey()
cv2.destroyAllWindows()

效果截圖

3. 使用腐蝕操作對數(shù)字 1 進(jìn)行處理

1. 在 code文件夾下創(chuàng)建number_1.py文件；
2. 導(dǎo)入所需的庫，OpenCV、numpy；
3. 讀取dataset文件夾下的1.png圖片，并進(jìn)行展示；
4. 創(chuàng)建一個13*13的都為1 的數(shù)組作為濾波核；
5. 對圖像進(jìn)行腐蝕處理，并展示結(jié)果；

代碼實現(xiàn)

# 導(dǎo)入OpenCV、numpy
import cv2
import numpy as np# 讀取圖像
img = cv2.imread("../dataset/1.png")
cv2.imshow("original",img)# 創(chuàng)建13*13的都為1的數(shù)組作為核
k = np.ones((13, 13), np.uint8)
# 進(jìn)行腐蝕操作
dst = cv2.erode(img, k)
cv2.imshow("erode",dst)cv2.waitKey()
cv2.destroyAllWindows()

效果截圖

經(jīng)過腐蝕操作之后，圖像的筆跡明顯變細(xì)，數(shù)字的結(jié)構(gòu)特征也更為明顯，更有助于后續(xù)的處理和識別。

點擊下載源碼