Python实现基于SVM的手写数字识别：流程与代码解析

陆遥

发布时间：2026-10-13 | 1人浏览过

原创

本文详细介绍使用Python和SVM算法进行手写数字识别的完整流程。内容涵盖样本图像准备、8x8尺寸标准化、灰度特征提取及模型训练测试。通过具体代码示例，展示如何利用mlpy库构建多项式核SVM模型，并对未知样本进行预测，为相关技术学习提供参考。

本文分享了一段使用SVM实现手写数字识别的具体Python代码，供读者参考学习。

1、SVM手写数字识别

识别流程如下：

（1）准备样本图像。（2）对图像尺寸进行标准化处理，统一调整为8*8像素大小。（3）读取待识别的未知样本图像，提取其特征并生成特征向量组。（4）将未知测试样本的特征向量输入SVM模型进行预测，并输出最终识别结果。

相关识别代码如下：

#!/usr/bin/env python
import numpy as np
import mlpy
import cv2
print '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)

样本数据展示：