DL之HNN:基于HNN(subplot)将凌乱数字矩阵图像(模拟手写数字图片)实现转为最相近的阿拉伯数字

简介: DL之HNN:基于HNN(subplot)将凌乱数字矩阵图像(模拟手写数字图片)实现转为最相近的阿拉伯数字

输出结果

image.png




代码设计


#DL:基于HNN将凌乱数字矩阵图像(模拟手写数字图片)实现转为最相近的阿拉伯数字

import numpy as np

import neurolab as nl

import matplotlib.pyplot as plt

# 012数字形矩阵————————16*8改为6*5

target=np.array([[0, 1, 1, 1, 0,

                1, 0, 0, 0, 1,

                1, 0, 0, 0, 1,

                1, 0, 0, 0, 1,

                1, 0, 0, 0, 1,

                0, 1, 1, 1, 0],

             

                [0, 1, 1, 0, 0,

                 0, 0, 1, 0, 0,

                 0, 0, 1, 0, 0,

                 0, 0, 1, 0, 0,

                 0, 0, 1, 0, 0,

                 0, 0, 1, 0, 0],

             

                [1, 1, 1, 0, 0,

                 0, 0, 0, 1, 0,

                 0, 0, 0, 1, 0,

                 0, 1, 1, 0, 0,

                 1, 0, 0, 0, 0,

                 1, 1, 1, 1, 1]])

test_data0=np.asfarray([0, 0, 1, 1, 0,

                       1, 0, 1, 0, 0,

                       1, 0, 0, 0, 1,

                       1, 0, 1, 0, 0,

                       1, 0, 0, 0, 1,

                       0, 1, 0, 1, 1])

test_data1=np.asfarray([0, 1, 1, 0, 0,

                       0, 0, 0, 0, 0,

                       0, 1, 1, 0, 0,

                       0, 0, 0, 0, 1,

                       1, 0, 1, 0, 0,

                       0, 0, 1, 0, 0])

test_data2=np.asfarray([1, 0, 1, 0, 0,

                       0, 0, 0, 1, 0,

                       1, 0, 0, 1, 0,

                       0, 1, 1, 0, 1,

                       1, 0, 0, 0, 1,

                       1, 0, 0, 1, 0])

……

ax6.imshow(out0,cmap=plt.cm.gray, interpolation='nearest')

ax6.set_title("after HNN")  #DL: Based on HNN, turn to the closest Arabia number 0

ax7.imshow(out1,cmap=plt.cm.gray, interpolation='nearest')

ax7.set_title("after HNN")

ax8.imshow(out2,cmap=plt.cm.gray, interpolation='nearest')

ax8.set_title("after HNN")

fig.tight_layout() #轴域的位置自动调整

plt.suptitle("DL: Based on HNN, turn to the closest Arabia number By Jason Niu")  #设置总图标题

plt.show()



相关文章
|
算法 计算机视觉
数字图像处理实验(四)|图像压缩与编码实验{JPGE编码、离散余弦变换DCT、图像分块dctmtx|blkproc}(附matlab实验代码和截图)
数字图像处理实验(四)|图像压缩与编码实验{JPGE编码、离散余弦变换DCT、图像分块dctmtx|blkproc}(附matlab实验代码和截图)
999 0
数字图像处理实验(四)|图像压缩与编码实验{JPGE编码、离散余弦变换DCT、图像分块dctmtx|blkproc}(附matlab实验代码和截图)
|
5月前
|
PHP 计算机视觉
罗德里格斯公式推导,以及如何使用cv2.Rodrigues进行旋转矩阵和旋转向量之间的相互转化
罗德里格斯公式推导,以及如何使用cv2.Rodrigues进行旋转矩阵和旋转向量之间的相互转化
172 0
|
7月前
|
计算机视觉
图像处理之给定任意四点不规则放缩
图像处理之给定任意四点不规则放缩
35 3
|
3月前
|
Serverless 计算机视觉
语义分割笔记(三):通过opencv对mask图片来画分割对象的外接椭圆
这篇文章介绍了如何使用OpenCV库通过mask图像绘制分割对象的外接椭圆。首先,需要加载mask图像,然后使用`cv2.findContours()`寻找轮廓,接着用`cv2.fitEllipse()`拟合外接椭圆,最后用`cv2.ellipse()`绘制椭圆。文章提供了详细的代码示例,展示了从读取图像到显示结果的完整过程。
75 0
语义分割笔记(三):通过opencv对mask图片来画分割对象的外接椭圆
|
5月前
|
存储 C# 计算机视觉
将彩色图转化为灰度图及其原理介绍
将彩色图转化为灰度图及其原理介绍
109 0
|
机器学习/深度学习 人工智能 文字识别
OpenCV-字典法实现数字识别(尺寸归一化+图像差值)
OpenCV-字典法实现数字识别(尺寸归一化+图像差值)
129 0
|
资源调度 PyTorch 算法框架/工具
pytorch 如何生成指定位置、尺度参数的随机高斯矩阵,并指定这个随机矩阵的形式
在上述代码中,我们使用 torch.normal(mean=mu, std=sigma, size=(m, n)) 函数直接生成了一个形状为 (m, n) 的随机高斯矩阵 data,其中 mean 参数指定了均值,std 参数指定了标准差。 需要注意的是,与 torch.randn() 不同,torch.normal() 生成的是具有指定均值和标准差的高斯分布,因此生成的随机矩阵不一定是标准正态分布。如果需要生成标准正态分布随机矩阵,可以将 mean 参数设置为 0,std 参数设置为 1。
1217 1
|
机器学习/深度学习 传感器 算法
【图像隐藏】基于分数阶傅里叶变换 DFT实现数字水印嵌入提取附含Matlab代码
【图像隐藏】基于分数阶傅里叶变换 DFT实现数字水印嵌入提取附含Matlab代码
|
机器学习/深度学习 人工智能 算法
活久见!像素随机打乱的手写字体图像竟能被非监督学习方法全新重建?
活久见!像素随机打乱的手写字体图像竟能被非监督学习方法全新重建?
|
并行计算 前端开发 数据可视化
【视觉基础篇】11 # 图案生成:如何生成重复图案、分形图案以及随机效果?
【视觉基础篇】11 # 图案生成:如何生成重复图案、分形图案以及随机效果?
209 0
【视觉基础篇】11 # 图案生成:如何生成重复图案、分形图案以及随机效果?

热门文章

最新文章