手写数字笔迹细化

对于手写数字识别实验中，经常会遇到因为笔迹较粗导致误识别的情况，所以我们通常会先将笔迹进行细化，笔迹变细以后，数字的特征会更明显，后续进行识别的准确率就会更高。

例如数字7 和 1 ，因为书写习惯的不同，在识别图像如果使用原始图像，笔迹较粗，经常会识别错误，但是经过腐蚀操作，笔迹变细以后，会很容易将二者区分开。

本期我们重点学习图像的腐蚀操作，通过图像腐蚀来将手写数字的笔迹进行细化。

完成本期内容，你可以

• 了解图像腐蚀的原理和应用

• 掌握使用图像腐蚀进行图像处理

若要运行案例代码，你需要有：

• 操作系统：Ubuntu 16 以上 或者 Windows10

• 工具软件：VScode 或者其他源码编辑器

• 硬件环境：无特殊要求

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

点击下载源码

---

腐蚀

OpenCV将腐蚀封装成了cv2.erode()方法。

函数原型：dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)
dst为输出图像。

参数描述如下：

• src：被处理的图像
• kernel：腐蚀使用的核
• anchor：可选参数，锚点的位置
• iterations：可选参数，腐蚀操作的迭代次数，默认值为1
• borderType：可选参数，边界样式，建议采用默认值
• borderValue：可选参数，边界值，建议采用默认值

---

具体步骤

1. 创建项目结构

创建项目名为手写数字笔迹细化，项目根目录下新建code文件夹储存代码，新建dataset文件夹储存数据，项目结构如下：

手写数字笔迹细化                          # 项目名称
├── code                               # 储存代码文件
├── dataset                            # 储存数据文件

注：如项目结构已存在，无需再创建。

2. 使用腐蚀操作对数字 7 进行处理

1. 在 code文件夹下创建number_7.py文件；
2. 导入所需的库，OpenCV、numpy；
3. 读取dataset文件夹下的7.png图片，并进行展示；
4. 创建一个13*13的都为1 的数组作为滤波核；
5. 对图像进行腐蚀处理，并展示结果；

代码实现

# 导入OpenCV、numpy
import cv2
import numpy as np# 读取图像
img = cv2.imread("../dataset/7.png")
cv2.imshow("original",img)# 创建13*13的都为1的数组作为核
k = np.ones((13, 13), np.uint8)
# 进行腐蚀操作
dst = cv2.erode(img, k)
cv2.imshow("erode",dst)cv2.waitKey()
cv2.destroyAllWindows()

效果截图

3. 使用腐蚀操作对数字 1 进行处理

1. 在 code文件夹下创建number_1.py文件；
2. 导入所需的库，OpenCV、numpy；
3. 读取dataset文件夹下的1.png图片，并进行展示；
4. 创建一个13*13的都为1 的数组作为滤波核；
5. 对图像进行腐蚀处理，并展示结果；

代码实现

# 导入OpenCV、numpy
import cv2
import numpy as np# 读取图像
img = cv2.imread("../dataset/1.png")
cv2.imshow("original",img)# 创建13*13的都为1的数组作为核
k = np.ones((13, 13), np.uint8)
# 进行腐蚀操作
dst = cv2.erode(img, k)
cv2.imshow("erode",dst)cv2.waitKey()
cv2.destroyAllWindows()

效果截图

经过腐蚀操作之后，图像的笔迹明显变细，数字的结构特征也更为明显，更有助于后续的处理和识别。

点击下载源码