安科网

Python3生成手写体数字方法

GhostLWB

GhostLWB

2018-01-30

关注 关注

0.引言

平时上网干啥的基本上都会接触验证码，或者在机器学习学习过程中，大家或许会接触过手写体识别/验证码识别之类问题，会用到手写体的数据集；

自己尝试写了一个生成手写体图片的python程序，在此分享下生成单张 30*30像素的手写体数字1-9图像 的一种实现方法；

我是利用random生成随机数1-9，然后PIL写到图像上，然后经过旋转、扭曲处理，得到“手写体”，这里没有加干扰线和干扰点；

得到的手写体数字图像如图1所示；

实现比较简单，用了PIL库，不需要额外安装opencv啥的，有兴趣可以自己试试。

Python3生成手写体数字方法

图1 生成的手写体数字1-9

Python3生成手写体数字方法

图2 利用generate_pngs.py写入到文件夹3的数字3图像

如果你想生成手写体的字母/汉字也可以：

Python3生成手写体数字方法Python3生成手写体数字方法

图3 利用generate_single_png.py生成汉字的手写体

源码上传到了我的GitHub: https://github.com/coneypo/Generate_handwritten_number

1.设计流程

Python3生成手写体数字方法

图4 整体设计流程

Python3生成手写体数字方法

图5 生成的图像经过的处理

1.1 新建一个空白图像img_50，尺寸大小为50*50 

img_50_blank = Image.new('RGB', (50, 50), (255, 255, 255))

为什么我这里要先生成50*50的空白图像？

因为图像背景（50*50像素的画布）初始化的时候设置为白色（颜色数组（255, 255, 255)），而背景色之外的其实是黑色；

之后需要进行旋转处理，如果直接新建30*30像素的画布，旋转之后边上会出现黑边，如图6所示；

所以我新建了一个50*50，然后旋转之后从中间裁出来一个30*30的图像出来；

Python3生成手写体数字方法

图6 直接用30*30像素的画布写字旋转（会出现黑边）

1.2 利用PIL在图像上写文字

利用PIL的ImageDraw，创建画笔，然后利用draw.text在指定位置写字；

xy=（18，11）是从图像左上角开始的坐标，取值自己根据需求调整；

# 创建画笔
 draw = ImageDraw.Draw(img_50_blank)

# 生成随机数1-9
num = str(random.randint(1, 9))

# 设置字体，这里选取字体大小25
font = ImageFont.truetype('simsun.ttc', 20)

# xy是左上角开始的位置坐标
draw.text(xy=(18, 11), font=font, text=num, fill=(0, 0, 0))

1.3 将图像随机旋转一定角度

利用 rotate(angel) 进行旋转图像，angel取的是度数，这里让它随机旋转-10到+10度：

# 随机旋转-10-10角度
 random_angle = random.randint(-10, 10)
 img_50_rotated = img_50_blank.rotate(random_angle)

1.4 图像扭曲

这里是生成“手写体”数字的核心步骤，一个正常的图像经过扭曲之后就可以得到想要的验证码了：

# 图形扭曲参数
params = [1 - float(random.randint(1, 2)) / 100,
      0,
      0,
      0,
      1 - float(random.randint(1, 10)) / 100,
      float(random.randint(1, 2)) / 500,
      0.001,
      float(random.randint(1, 2)) / 500]

# 创建扭曲
img_50_transformed = img_50_rotated.transform((50, 50), Image.PERSPECTIVE, params)

2.py源码介绍

2.1 generate_folders_1to9.py

因为我们要将指定的图像分类放入指定文件夹，所以我们需要先在项目目录下面新建9个文件夹：

　（当然你也可以自己新建，新建9个文件夹工作量还不大，但是如果要生成的验证码包含英文字母那就比较多了，大写A-Z共24个+小写a-z共24个+数字1-9共9个=57个子文件夹）

# 2018-01-9
# By TimeStamp
# cnblogs: http://www.cnblogs.com/AdaminXie/
# generate_folders_1to9.py
# 在目录下生成用来存放数字1-9的9个文件夹，分别用1-9命名


import os

path_folders = "F:/***/P_generate_handwritten_number/data_pngs/"

# 1-9
for i in range(49,58):
  if (os.path.isdir(path_folders + chr(i))):
    pass
  else:
    # print(i,": ",path_1+chr(i))
    # 生成目录
    os.mkdir(path_folders+chr(i))

Python3生成手写体数字方法

图7 自动生成的用来存放指定图像的文件夹

2.2 generate_pngs.py

根据给定随机次数samples, 生成samples个手写体数字1-9，然后存放到本地文件夹1-9生成数据集；

在49行可以修改生成图像的大小，我这里取的是30*30像素；

# 2018-01-9
# By TimeStamp
# cnblogs: http://www.cnblogs.com/AdaminXie/
# generate_pngs.py
# 生成手写体数字


import random
from PIL import Image, ImageDraw, ImageFilter, ImageFont

random.seed(3)

# 生成单张扭曲的数字图像
def generate_single():

  # 先绘制一个50*50的空图像
  img_50_blank = Image.new('RGB', (50, 50), (255, 255, 255))

  # 创建画笔
  draw = ImageDraw.Draw(img_50_blank)

  # 生成随机数1-9
  num = str(random.randint(1, 9))

  # 设置字体，这里选取字体大小25
  font = ImageFont.truetype('simsun.ttc', 20)

  # xy是左上角开始的位置坐标
  draw.text(xy=(18, 11), font=font, text=num, fill=(0, 0, 0))

  # 随机旋转-10-10角度
  random_angle = random.randint(-10, 10)
  img_50_rotated = img_50_blank.rotate(random_angle)

  # 图形扭曲参数
  params = [1 - float(random.randint(1, 2)) / 100,
       0,
       0,
       0,
       1 - float(random.randint(1, 10)) / 100,
       float(random.randint(1, 2)) / 500,
       0.001,
       float(random.randint(1, 2)) / 500]

  # 创建扭曲
  img_50_transformed = img_50_rotated.transform((50, 50), Image.PERSPECTIVE, params)

  # 生成新的30*30空白图像，（在此处可以更改生成的图像大小）
  img_30 = img_50_transformed.crop([10, 10, 40, 40])

  return img_30, num

path_pic = "F:/***/P_generate_handwritten_number/data_pngs/"


# 生成手写体数字1-9存入指定文件夹1-9

# 用cnt_num[1]-cnt_num[9]来计数数字1-9生成的个数，方便之后进行命名
cnt_num = []
for i in range(10):
  cnt_num.append(0)

# 生成次数
samples = 200

for m in range(1, samples+1):

  # 调用生成图像文件函数
  img, generate_num = generate_single()

  # 取灰度
  imgray = img.convert('1')

  # 计数生成的数字1-9的个数,用来命名图像文件
  for j in range(1, 10):
    if(generate_num == str(j)):
      cnt_num[j] = cnt_num[j]+1

      # 路径如 "F:/code/***/P_generate_handwritten_number/data_pngs/1/1_231.png"
      # 输出显示路径
      print(path_pic + str(j) + "/" + str(j) + "_" + str(cnt_num[j]) + ".png")
      # 将图像保存在指定文件夹中
      imgray.save(path_pic + str(j) + "/" + str(j) + "_" + str(cnt_num[j]) + ".png")

# 输出显示1-9的分布
print("\n", "生成的1-9的分布：")
for k in range(9):
  print(k+1, ":", cnt_num[k+1], "张")

output

D:\***\anaconda\python.exe F:/***/P_generate_handwritten_number/generate_pngs.py
F:/***/P_generate_handwritten_number/data_pngs/4/4_1.png
F:/***/P_generate_handwritten_number/data_pngs/1/1_1.png
F:/***/P_generate_handwritten_number/data_pngs/8/8_1.png
F:/***/P_generate_handwritten_number/data_pngs/3/3_1.png
F:/***/P_generate_handwritten_number/data_pngs/1/1_2.png
...

生成的1-9的分布：
: 25 张
: 17 张
: 21 张
: 19 张
: 20 张
: 22 张
: 25 张
: 24 张
: 27 张

修改 generate_pngs.py中的samples， 你就可以生成指定大小的数据集；

2.3 generate_single_png.py

更改27行的char=" "（可以是数字/字母/汉字），生成单张手写体扭曲图像：

# 2018-01-9
# By TimeStamp
# cnblogs: http://www.cnblogs.com/AdaminXie/
# generate_single_png.py
# 生成手写体数字/字母/汉字


import random
from PIL import Image, ImageDraw, ImageFilter, ImageFont

random.seed(3)

# 生成单张扭曲的数字图像
def generate_single():

  # 先绘制一个50*50的空图像
  img_50_blank = Image.new('RGB', (50, 50), (255, 255, 255))

  # 创建画笔
  draw = ImageDraw.Draw(img_50_blank)

  # 设置字体，这里选取字体大小25
  font = ImageFont.truetype('simsun.ttc', 20)

  # xy是左上角开始的位置坐标
  # text是你想要显示的内容，数字/字母/汉字
  char ="呵"
  draw.text(xy=(12, 11), font=font, text=char, fill=(0, 0, 0))

  # 随机旋转-10-10角度
  random_angle = random.randint(-10, 10)
  img_50_rotated = img_50_blank.rotate(random_angle)

  # 图形扭曲参数
  params = [1 - float(random.randint(1, 2)) / 100,
       0,
       0,
       0,
       1 - float(random.randint(1, 10)) / 100,
       float(random.randint(1, 2)) / 500,
       0.001,
       float(random.randint(1, 2)) / 500]

  # 创建扭曲
  img_50_transformed = img_50_rotated.transform((50, 50), Image.PERSPECTIVE, params)

  # 生成新的30*30空白图像
  img_30 = img_50_transformed.crop([10, 10, 40, 40])

  return img_30, char

path_pic = "F:/code/python/P_generate_handwritten_number/"


# 调用生成图像文件函数
img, generated_char = generate_single()
imgray = img.convert('1')

print(path_pic + "test.png")
# 将图像保存在指定文件夹中
imgray.save(path_pic + "test.png")

2.4 del_pngs.py

删除指定目录下子文件夹1-9中的所有图片：

# 2018-01-9
# By TimeStamp
# cnblogs: http://www.cnblogs.com/AdaminXie/
# del_pngs.py
# 删除路径下生成的图像文件

import os

path_pic = "F:/***/P_generate_handwritten_number/data_pngs/"

#删除路径下的图片
def del_pic():
  for i in range(1, 10):
   #  print(path_png+chr(i))
    namedir = os.listdir(path_pic+str(i))

    for tmppng in namedir:
      if( tmppng in namedir):
       # print(tmppng)
        os.remove(path_pic+str(i)+"/"+tmppng)

del_pic()

3.总结

自己动手丰衣足食，有兴趣可以自己做手写体数字数据集，字母和汉字的数据集稍加修改也可以做；

# GitHub: https://github.com/coneypo/Generate_handwritten_number

手写体 python3

GhostLWB

GhostLWB

0 关注 0 粉丝 0 动态

关注 关注

相关推荐

Python数据挖掘与机器学习技术入门实战

数据挖掘指的是对现有的一些数据进行相应的处理和分析，最终得到数据与数据之间深层次关系的一种技术。具体来说，超市的货品摆放问题可以划分为关联分析类场景。一言以蔽之，凡是让机器通过我们所建立的模型和算法对数据之间的关系或者规则进行学习，最后供我们利用的技术都是

santiago00 2019-11-21

opencv python 基于KNN的手写体识别

OCR of Hand-written Digits我们的目标是构建一个可以读取手写数字的应用程序, 为此，我们需要一些train_data和test_data. OpenCV附带一个images digits.png，它有5000个手写数字.所以首先要将

wandaxiao 2019-06-28

入门项目数字手写体识别：使用Keras完成CNN模型搭建

对于图像分类任务而言，卷积神经网络是目前最优的网络结构，没有之一。在面部识别、自动驾驶、物体检测等领域，CNN被广泛使用，并都取得了最优性能。准备数据模型使用的MNIST数据集，该数据集是目前最大的数字手写体数据集（0~9），总共包含60,000张训练图像

小C 2019-06-27

Python数据挖掘与机器学习技术入门实战

什么是机器学习？本文将带领大家一同了解数据挖掘和机器学习技术，通过淘宝商品案例进行数据预处理实战，通过鸢尾花案例介绍各种分类算法。以下内容根据主讲嘉宾视频分享以及PPT整理而成。本次课程包含了五个知识点：1.数据挖掘与机器学习技术简介 2.Python数

YeChao 2019-06-27

Python数据挖掘与机器学习技术入门实战

什么是机器学习？本文将带领大家一同了解数据挖掘和机器学习技术，通过淘宝商品案例进行数据预处理实战，通过鸢尾花案例介绍各种分类算法。

ZweixunSJTU 2019-06-27

深度学习精要之CapsuleNets理论与实践（附Python代码）

神经网络于上世纪50年代提出，直到最近十年里才得以发展迅速，正改变着我们世界的方方面面。从图像分类到自然语言处理，研究人员正在对不同领域建立深层神经网络模型并取得相关的突破性成果。这是一个非结构化的数字图像识别问题，使用深度学习算法能够获得最佳性能。

georgesale 2019-06-27

中国传统文化与深度学习的结合：上交论文「汉字字体迁移」

汉字字体的样板设计是一个很耗时的任务，手动书写大量的汉字字体以作为设计基准耗费了大量的时间。尽管字体设计者可在相关软件的帮助下进行字体设计，但是他们仍面临着大量工作，所以我们需要研究出更高效的方法。此迁移网络可被看做是一个生成器，加上引入的判别器，我们对这

樱花落瓣 2017-07-21

opencv python 基于KNN的手写体识别的实例

我们的目标是构建一个可以读取手写数字的应用程序, 为此，我们需要一些train_data和test_data. OpenCV附带一个images digits.png，它有5000个手写数字.所以首先要将图片切割成5000个不同图片,每个数字变成一个单行4

xiaohong000 2018-08-03

python使用KNN算法手写体识别

dataSetSize = dataSet.shape[0]#dataSetSize为训练样本的个数。diffMat = np.tile - dataSet#将inX扩展为dataSetSize行，1列。sortedDistIndicies = dista

HTML学堂码匠 2018-02-01

Python3实现简单可学习的手写体识别(实例讲解)

以前一直觉得，机器学习、手写体识别这种程序都是很高大上很难的，直到偶然看到了这个视频，听了老师讲的思路后，瞬间觉得原来这个并不是那么的难，原来我还是有可能做到的。然而中间遇到了太多的问题，数据库方面的问题有十几个，PyQt方面的问题有接近一百个，还有数十个

go的技术 2017-10-21

Python数据挖掘与机器学习技术入门实战

什么是机器学习?本文将带领大家一同了解数据挖掘和机器学习技术，通过淘宝商品案例进行数据预处理实战，通过鸢尾花案例介绍各种分类算法。以下内容根据主讲嘉宾视频分享以及PPT整理而成。在本次课程中，着重讲解的是传统的机器学习技术及各种算法。由于机器学习技术和数据

clouderyu 2018-04-23
GhostLWB

GhostLWB

W3CSchool教程
HTML 教程
CSS 教程
Bootstrap 教程
Javascript 教程
jQuery 教程
后端教程
C 教程
Java 教程
PHP 教程
Python 教程
Go 教程
移动开发
Android 教程
Swift 教程
Kotlin 教程
jQuery Mobile 教程
ionic 教程
关于我们
新闻动态
联系方式
招聘英才
安科实验室
帮助与反馈

安科网(Ancii)，中国第一极客网

Copyright © 2013 - 2019 Ancii.com

京ICP备18063983号 京公网安备11010802014868号