引言
在机器学习中有一种学习叫做手写数字识别，其主要功能就是让机器识别出图片中的数字，其步骤主要包括：图片特征提取、将特征值点阵转化为特征向量、进行模型训练。第一步便是提取图片中的特征提取。数据的预处理关系着后面模型的构建情况，所以，数据的处理也是机器学习中非常重要的一部分。下面我就说一下如何提取图片中的特征向量。
图片灰度化
=>
当我们拿到一种图片的时候，这张图片可能是多种颜色集合在一起的，而我们为了方便处理这张图片，我们首先会将这张图片灰度化（左图灰度化之前，右图灰度化之后）。如果该图片已经是黑白两色的就可以省略此步骤。
|
1 2 3 4 5 6 7 8 9 10 11 |
from PIL import Image import numpy as np #打开一张图片 img = Image.open("image/77.jpg") #图片灰度化 img = img.convert("L") #显示图片 img.show() #将图片转换为数组形式，元素为其像素的亮度值 print np.asarray(img) |
在图片灰度化之前这张图片的数组值应该是一个三维的，灰度化之后将变为二维数组。数组行列数就是图片的像素宽度和高度。
打印的数组形式如下：
图片的二值化
图片的二值化就是将上面的数组化为0和1的形式，转化之前我们要设定一个阈值，大于这个阈值的像素点我们将其设置为1，小于这个阈值的像素点我们将其设置为0。下面我找了一张数字的图片，这张图片已经灰度化过了。我们就直接将它二值化。图片如下：
图片的像素是32x32的。如果不是要化为此值，这一步我们叫做尺寸归一化。
|
1 2 3 4 5 6 7 8 |
#打开一张图片 img = Image.open("numImage/3.jpg") #将图片化为32*21的 img = img.resize((32, 32)) #二值化 #将图片转换为数组形式，元素为其像素的亮度值 img_array = np.asarray(img) print img_array |
解释一下上面的代码,resize方法里的参数是一个元组，元素分别是宽和高；point函数是用来二值化图片的，其参数是一个lambda函数，函数体就是判断其元素值是否大于120，这里的120就是上面提到的阈值。
二值化后的数组：
在数组中我们可以大似的看到，数字1大似组成了一个3的形状。
获取网格特征数字统计图
在图片二值化之后，我们通常需要获取到网格统计图，这里我们的图片尺寸是32*32的，所以我们将其化为8*8的点阵图,步骤如下：
1、将二值化后的点阵水平平均划线分成8份，竖直平均划线分成8份。
2、分别统计每一份中像素点为1的个数。
3、将每一个份统计值组合在一起，构成8*8的点阵统计图。
下面我写了个函数来将32*32的数组转化成8*8的网格特征数字统计图：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
#将二值化后的数组转化成网格特征统计图 def get_features(array): #拿到数组的高度和宽度 h, w = array.shape data = [] for x in range(0, w/4): offset_y = x * 4 temp = [] for y in range(0,h/4): offset_x = y * 4 #统计每个区域的1的值 temp.append(sum(sum(array[0+offset_y:4+offset_y,0+offset_x:4+offset_x]))) data.append(temp) return np.asarray(data) |
转化之后我们的到的数组点阵是这样的：
将二维的统计图转化为一维的特征向量
这一步就比较简单了，只需要将矩阵全部放到一行即可，直接使用np的reshape()方法即可：
|
1 2 |
features_vector =features_array.reshape(features_array.shape[0]*features_array.shape[1]) print features_vector |
输出结果：
有些同学可能要问，为什么要将二维的点阵转化成一维的特征向量? 这是因为在机器学习中，数据集的格式就是这样的，数据集的一个样例就是一个特征向量，对个样例组成一个训练集。转化为以为的特征向量是便于我们的使用。
全部代码（省略灰度化）：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 |
from PIL import Image import numpy as np #将二值化后的数组转化成网格特征统计图 def get_features(array): #拿到数组的高度和宽度 h, w = array.shape data = [] for x in range(0, w/4): offset_y = x * 4 temp = [] for y in range(0,h/4): offset_x = y * 4 #统计每个区域的1的值 temp.append(sum(sum(array[0+offset_y:4+offset_y,0+offset_x:4+offset_x]))) data.append(temp) return np.asarray(data) #打开一张图片 img = Image.open("numImage/3.jpg") #将图片化为32*32的 img = img.resize((32, 32)) #二值化 img = img.point(lambda x:1 if x > 120 else 0) #将图片转换为数组形式，元素为其像素的亮度值 img_array = np.asarray(img) print img_array #得到网格特征统计图 features_array = get_features(img_array) print features_array features_vector =features_array.reshape(features_array.shape[0]*features_array.shape[1]) print features_vector |
最后送上手写数字训练集图片链接：
2018年12月6日 21:28 沙发
您好，我想问一下为什么需要将二值化后的数组转化成网格特征统计图呢？
2018年12月7日 12:14 1层
@爱学习的奚山君 这只是一种图片特征的提取手段，其实直接二值化后训练也可（向量较多），这只是初步的数据预处理，后续还需进一步处理、调优、比较。
2019年5月3日 20:36 板凳
你好我输出的数组 一行输出18个就会换行请问怎么解决啊
2019年10月19日 15:08 地板
博主主要从事哪方面的，最好给个PYTHON 识别猫狗的例子，简单点，猫脸狗脸也行
2019年10月19日 15:11 4楼
这个3 案例太好，1，0 组成个多维数组，看到个3，这列子太形象，比罗列一堆数学公式浅显多了
2019年10月19日 15:15 5楼
博主，由于一些技术需要，迫切希望识别猫脸，狗脸，人脸，博主给出案例或大致算法思路，工具，使用的平台框架。大家都在由于Tensorflow 和 PaddlePaddle ,不知用哪个好，希望博主推荐