#?-*-?coding:?utf-8?-*-
“““
Created?on?Sun?Mar?15?15:51:15?2015

@author:?bobo
“““

“““
轉換圖片
“““
import?os?
import?operator
from?numpy?import?*
import?sys
reload（sys）
sys.setdefaultencoding（‘utf8‘）

“““
將每張圖片轉換成向量形式
即把每張圖片轉換成一維1*1024矩陣形式
“““
def?img2vector（filename）:
????“““
????filename代表文件名稱
????“““
????returnVector?=?zeros（（11024））##聲明一個0矩陣
????fr?=?open（filename）
????for?i?in?range（32）:
????????lineStr?=?fr.readline（）##°每一行文件
????????for?j?in?range（32）:
????????????returnVector[032*i+j]?=?int（lineStr[j]）##一共32行，全部存儲到returnVector里面
????fr.close（）
????return?returnVector


def?classify（inXdataSetlabelsk）:
????“““
????四個參數，inX是測試向量，dataSet樣本向量數據，labels是標簽，k是選取前k個做評測
????tile（An）用于重復A矩陣n次????
????argsort（）返回的是數組值從小到大的索引
????list.get（kd）
????get（）相當于一條if...else...語句參數k在字典中，字典將返回list[k];如果參數k不在字典中則返回參數d如果K在字典中則返回k對應的value值；
????例子：
????l?=?{5:23:4}
????print?l.get（30）返回的值是4；
????Print?l.get（10）返回值是0；（該例來源于網絡）
????“““
????dataSetSize?=?dataSet.shape[0]##shpe函數用于返回矩陣的長度，如shape[0]返回第一維矩陣長度，shape[1]返回第二維矩陣長度以此類推，還有其他功能執行查閱
????diffMat?=?tile（inX（dataSetSize1））?-?dataSet##tile函數主要功能是重復矩陣多少次，重復了測試向量，與每一個樣本相減
????sqDiffMat?=?diffMat**2##計算平方
????sqDistances?=?sqDiffMat.sum（axis?=?1）##計算矩陣橫軸的和
????distances?=?sqDistances**0.5##平方
????sortedDistIndicies?=?distances.argsort（）##用argsort排序
????classCount?=?{}
????for?i?in?range（k）:
????????voteLabel?=?labels[sortedDistIndicies[i]]##通過索引得到前該距離所屬的類型
????????classCount[voteLabel]?=?classCount.get（voteLabel0）+1##相應的類型+1
????sortedClassCount?=?sorted（classCount.iteritems（）key?=?operator.itemgetter（1）reverse?=?True）
????return?sortedClassCount[0][0]

“““
classTest（）函數用于處理32*32的數據，
“““
def?classTest（）:
????file_object?=?open（‘result.txt‘?‘w‘）
????Labels?=?[]
????trainingFileList?=?os.listdir（“./digits/trainingDigits/“）##listdir函數用于獲取該目錄下的文件列表，并且以數組的方式存儲
????length?=?len（trainingFileList）##獲取數組長度
????trainingMat?=?zeros（（length1024））##聲明一個length*1024的矩陣用于存儲所有樣本的向量形式
????for?i?in?range（length）:
????????fileNameStr?=?trainingFileList[i]##獲取列表中每一個文件名（包含擴展名）
????????fileName?=?fileNameStr.split（‘.‘）[0]##獲取列表中每一個文件名（不包含擴展名）
????????numClass?=?fileName.split（‘_‘）[0]##獲取該文件所屬的類別（因為文件名都是以‘數字類別_第幾個樣本.txt’形式的，所以需要進行兩次的split函數）
????????Labels.append（numClass）##以隊列的形式加入到Labels的隊尾
????????trainingMat[i:]?=?img2vector（“./digits/trainingDigits/“+?fileNameStr）##用img2vector（）函數處理32*32的圖片矩陣，存入trainingMat中
????testFileList?=?os.listdir（“./digits/testDigits/“）##測試組的文件列表，下面的代碼意思如上，多余的就不寫了
????##erreCount?=?0.0
????lengthTest?=?len（testFileList）
????for?i?in?range（lengthTest）:
????????fileNameStr?=?testFileList[i]
????????fileName?=?fileNameStr.split（‘.‘）[0]
????????numClass?=?fileName.split（‘_‘）[0]
????????vectorUnderTest?=?img2vector（“./digits/testDigits/“+fileNameStr）
????????classifierResult?=??classify（vectorUnderTesttrainingMatLabels3）
????????file_object.write（str（classifierResult）+“???????“+str（numClass）+‘\n‘）
????????##print

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件??????739988??2015-03-15?16:02??digits.zip
?????文件????????4164??2015-03-16?16:19??RecongnizeNum.py