# 书法体识别

**Repository Path**: ly-m/calligraphy-style-recognition

## Basic Information

- **Project Name**: 书法体识别
- **Description**: 本项目制作一个简单的GUI APP用来识别文字图像的书法体
- **Primary Language**: Python
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2023-05-02
- **Last Updated**: 2024-10-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 项目描述

本项目是一个书法字体风格识别器，通过输入图片，识别出图片中的书法字体风格。项目包含以下文件：
- `0_setting.yaml`：配置文件，包含书法字体风格列表、图片调整大小的目标尺寸等设置。
- `1_Xy.py`：预处理图像、生成训练和测试数据集。
- `2_fit.py`：使用LazyClassifier评估多个分类模型，选择F1分数最高的模型并保存。
- `3_predict.py`：创建一个简单的图形用户界面，用户可以选择图像，程序会显示预测的书法字体风格。
- `util.py`：包含一些辅助功能，例如保存和加载文件等。
- `image_process.py`：提供图像预处理的三种方法：（1）传统直接把图像展平. （2）HOG特征提取. （3）CNN卷积神经网络中的VGG16模型特征提取

## 项目运行效果截图
#传统图像展平截图
【![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/1_Xy.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/2_fit.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/3_predict.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/c.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/k.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/l.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/x.png)
![输入图片说明](%E5%90%84%E9%83%A8%E5%88%86%E8%BF%90%E8%A1%8C%E5%8F%8A%E8%AF%86%E5%88%AB%E7%A4%BA%E4%BE%8B%E6%88%AA%E5%9B%BE/z.png)
】
## 功能

1. 预处理图像并生成训练和测试数据集。
2. 使用LazyClassifier评估多个分类模型，选择F1分数最高的模型并保存。
3. 创建一个简单的图形用户界面，用户可以选择图像，程序会显示预测的书法字体风格。

## 依赖

- Python
- Scikit-learn
- LazyPredict
- OpenCV
- PIL
- Tkinter
- PyYAML
- tensorflow
- Scikit-image

## 使用

1. 确保已安装所有依赖库。
2. 运行 `1_Xy.py` 生成训练和测试数据集。
3. 运行 `2_fit.py` 评估多个分类模型并保存最佳模型。
4. 运行 `3_predict.py` 启动图形用户界面，选择图像进行预测。

## 注意

- 在 wolai 作业页面下载书法字体文件 `shufa.zip`
- 请按照配置文件 `0_setting.yaml` 中的设置生成相关的文件夹，和放置文件位置。
- 请确保已安装所有依赖库。

## 个人信息
- 学号: 202052320118
- 年级: 2020
- 专业: 智能科学与技术
- 班级: 1 班