本文实例为大家分享了SVM手写数字识别功能的具体代码，供大家参考，具体内容如下

1、SVM手写数字识别

识别步骤：

（1）样本图像的准备。
（2）图像尺寸标准化：将图像大小都标准化为8*8大小。
（3）读取未知样本图像，提取图像特征，生成图像特征组。
（4）将未知测试样本图像特征组送入SVM进行测试，将测试的结果输出。

识别代码：

#!/usr/bin/env pythonimport numpy as npimport mlpyimport cv2print 'loading ...'def getnumc(fn): '''返回数字特征''' fnimg = cv2.imread(fn) #读取图像 img=cv2.resize(fnimg,(8,8)) #将图像大小调整为8*8 alltz=[] for now_h in xrange(0,8): xtz=[] for now_w in xrange(0,8): b = img[now_h,now_w,0] g = img[now_h,now_w,1] r = img[now_h,now_w,2] btz=255-b gtz=255-g rtz=255-r if btz>0 or gtz>0 or rtz>0: nowtz=1 else: nowtz=0 xtz.append(nowtz) alltz+=xtz return alltz #读取样本数字x=[]y=[]for numi in xrange(1,10): for numij in xrange(1,5): fn='nums/'+str(numi)+'-'+str(numij)+'.png' x.append(getnumc(fn)) y.append(numi) x=np.array(x)y=np.array(y)svm = mlpy.LibSvm(svm_type='c_svc', kernel_type='poly',gamma=10)svm.learn(x, y)print u"训练样本测试："print svm.pred(x)print u"未知图像测试："for iii in xrange (1,10): testfn= 'nums/test/'+str(iii)+'-test.png' testx=[] testx.append(getnumc(testfn)) print print testfn+":", print svm.pred(testx)

样本：

结果：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。