1

Reconocimiento de Dígitos Manuscritos

utilizando la Base de Datos MNIST
Alfaro Ponte – Carranza Olivera – Puelles Cáceres - Silva Obregón
Pontificia Universidad Católica del Perú, Lima - Perú

La segunda etapa consiste en la extracción de características, el

Resumen— El trabajo elaborado presenta el reconocimiento de
dígitos manuscrito utilizando la base de datos MNIST el cual está
conformada por 60,000 imágenes de diez dígitos y un conjunto
independiente de 10,000 dígitos para evaluar la performance del
clasificador. Se utilizó para el pre-procesamiento técnicas como la
binarización (Otsu), segmentación (flood fill) y la normalización
(Morphology Closing). Posteriormente se obtuvo el vector de
características donde se capturaba ciertas propiedades de los
dígitos, utilizando métodos como Representación Binaria, Wavelet
Haar y Proyección Poligonal. Finalmente se pudo realizar la
clasificación de los datos utilizando los métodos como Support
Vector Machine SVM, Naive Bayes y K-Nearest Neighbors.
cual nos llevó a obtener resultados aceptables, obteniendo un
vector de características que captura ciertas propiedades de los
dígitos. Los métodos que se utilizaron fueron el de
Representación Binaria [20], Wavelet Haar [3]y Proyección
Poligonal[17].
La tercera etapa consiste en la clasificación, el cual luego de
haber entrenado la data, se pudo realizar la clasificación de una
data de prueba utilizando los métodos de clasificación como
Support Vector Machine SVM[9][10], K-Nearest
Neighbors[12] y Naive Bayes[11].

El mejor resultado de clasificación obtenido fue de 94.740%
siendo este el menor porcentaje de tasa de error con 5.26%
utilizando como método de clasificación Support Vector Machine
y como extracción de características la técnica de Proyección
Poligonal.
Finalmente se logra determinar que clasificador es el más
óptimo obteniendo cual fue la menor tasa de error que mostró
como resultado.

Index Terms----Reconocimiento de dígitos, MNIST, Representación Adquisición de datos

Binaria, Support Vector Machine, Naive Bayes.

Pre-procesamiento Otsu, Flood Fill,

INTRODUCTION Morphology Closing

l reconocimiento de dígitos manuscritos es un problema de

E reconocimiento de caracteres, donde a través de un pre-
procesamiento y extracción de características se logra aprender Extracción de Binaries, Projection
a distinguir patrones de interés a partir de la experiencia, y características Polygonal, Wavelet Haar
tomar decisiones razonables con respecto a las categorías del 0
al 9 a las que pertenecen cada dígito, logrando de esta manera
su correcta clasificación.

El reconocimiento de dígitos para este trabajo, comienza desde Reconocimiento de Caracteres

la una primera etapa que consiste en la lectura de los datos de
los 70,000 mil imágenes comprendidos del 0 al 9 el cual
conforman 10 dígitos o clases 0[2][16], el pre-procesamiento SVM KNN NAIVE BAYES
utilizando diferentes técnicas como la binarización para la
reducción de información, la segmentación (Flood Fill) para
simplificar y/o cambiar la representación de una imagen en otra Figura 1: Esquema de funcionamiento para el reconocimiento de
más significativa logrando que sea fácil de analizar y finalmente dígitos manuscritos
la normalización usando la técnica de Morphology Closing;
obteniendo de esta manera la forma de una imagen suavizada y
más pequeña de los dígitos manteniendo su correlación espacial I. ADQUISICIÓN Y LECTURA DE DATOS
[3][4][6][8][13][14].
Selección del lenguaje de programación
Se experimentó los diversos lenguajes de programación
posibles para poder implementar el sistema para el
 2

reconocimiento de dígitos manuscritos entre los cuales fueron

java y Python. Al ejecutar la lectura de datos en java, se notó
que dicha lectura y el pre-procesamiento eran demasiado lentos,
además que existía poca información acerca de sistemas de
reconocimientos de manuscritos ya implementados con este
lenguaje. Lo contrario sucedía con Python el cual existía
abundante información y librerías desarrolladas para el tema de
aprendizaje de máquina, es por eso que el lenguaje de
programación utilizado para este trabajo fue Python.

Entre las librerías utilizadas está el Open CV, el cual es una

biblioteca libre de visión artificial que contiene más de 500
funciones para el reconocimiento de objetos, calibración de
cámaras y visión robótica. El Numpy que le agrega mayor
soporte para vectores o matrices y la librería Matplotlib que se
utiliza para la generación de gráficos a partir de datos
contenidos en listas y arreglos.

Adquisición de los datos

La base de datos utilizada para el reconocimiento de dígitos
manuscritos fue el conjunto de datos MNIST obtenida desde
(http://yann.lecun.com/exdb/mnist/), el cual consiste en un
conjunto de datos de 60,000 imágenes del 0 al 9 para entrenar
el Sistema de reconocimiento y otros 10,000 dígitos para
evaluar el performance del clasificador, cada digito está
conformado por una escala de grises con un tamaño de 28x28
Figura 3: Función para la lectura de datos
pixeles.

II. PRE-PROCESAMIENTO DE LOS DATOS

El pre-procesamiento de los datos consiste en un conjunto de

operaciones (binarizar, eliminar ruido, aumentar contraste, etc.)
realizadas a las imágenes leídas del conjunto de datos MNIST
el cuál se aplica para reducir la influencia del ruido o algunas
deformaciones que pueda presentar el objeto, normalizándola y
adaptándola para su mejor identificación.

Se utilizaron técnicas para la binarización de las imágenes

mediante el método OTSU, la segmentación utilizando Flood
Fill y la normalización aplicando Morphology Closing.

Método de binarización - Otsu.

Figura 2: Dígitos aleatorios de MNIST
Lectura de los datos
Para la lectura de datos se utilizó el lenguaje de programación
Python, las librerías numpy y struct; las cuales nos permite
realizar la lectura de los dígitos encontrados en los archivos
binarias de la web http://yann.lecun.com/exdb/mnist/.
Otsu es un método de umbralización de imágenes en escala de
grises, consiste en calcular el valor umbral de forma que la
dispersión dentro de cada segmento sea lo más pequeña posible,
pero al mismo tiempo la dispersión sea lo más alta posible entre
segmentos diferentes. Para ello se calcula el cociente entre
ambas variancias y se busca un valor umbral para el que este
cociente sea máximo.
El primer paso que se realizó fue la tarea de umbralización con
el fin de binarizar las imágenes. Esta necesidad nace a partir de
que las herramientas a usar para el procesado de las mismas
trabajan con imágenes binarias.

El valor de umbralización se decidió tras observar el conjunto

de imágenes MNIST y realizar varias pruebas con diferentes
valores para el umbral. En el conjunto de datos se podían
apreciar perfectamente dos clases: uno alrededor de 255 que

representa al fondo de la imagen y otro alrededor de 0 que
representa el carácter que conforma el dígito.
Tras varias pruebas y observaciones encontradas, se decidió
utilizar el método de Otsu el cual determinó de forma
automática el mejor umbral en un punto medio entre las dos
clases de la imagen, de tal forma que la imagen binarizada
contemplase estos píxeles más suaves.
A continuación, se muestra el código implementado del método
de binarización Otsu.
Figura 4: Método de binarización Otsu
Como resultado se obtiene la siguiente imagen:
Figura 5: Imagen binarizada con el método Otsu
Método de Segmentación - Flood Fill
La segmentación de una imagen consiste en la división o
partición de la imagen en varias zonas o regiones homogéneas
y disjuntas a partir de su contorno, su conectividad, o en
términos de un conjunto de características de los píxeles de la
imagen que permitan discriminar unas regiones de otras. Los
tonos de gris, la textura, los momentos, la magnitud del
gradiente, la dirección de los bordes, las modas de los tonos de
gris en ventanas 3x3, 7x7 y 15x15, etc., son características a
utilizar para la segmentación.
La operación de segmentación trata de distinguir si un píxel
pertenece, o no, a un objeto de interés y, por lo tanto, produce
una imagen binaria.
La función Flood Fill extrae o marca una zona conexa en una
imagen donde se mantiene una cierta similaridad entre los
pixeles. Comienza en un pixel inicial y se va extendiendo, como
si de un líquido derramado se tratara, por los vecinos, siempre
que el valor de la función de imagen en estos se mantenga en
un cierto rango, habitualmente próximo al valor en el pixel
inicial.
Tras anteriormente haber aplicado la binarización de las
imágenes de la base de datos MNIST, se procedió a la
eliminación de trazos espurios que no pertenecían al carácter
3
(como pueden ser líneas cercanas de errores que distorsionaban
al dígito).
A continuación, se muestra el código implementado del método
de segmentación Flood Fill.


Figura 6: Método de segmentación Flood Fill

Como resultado se obtiene la siguiente imagen:
Figure 7: Imagen segmentada con el método Flood Fill

Método de Normalización - Morphology Closing:
La normalización de las imágenes es utilizada para obtener las
dimensiones adecuadas en todas las imágenes en una base de
datos.
En el conjunto de imágenes existían una gran cantidad de
pixeles blancos que alrededor o dentro de sus caracteres
representativos el cual hacia que el digito no este conformado
completamente por sus pixeles.
Para esto se utilizó la técnica de normalizado Morphology
Closing cuyo principal objetivo era autocompletar los pixeles
faltantes logrando así un digito más representativo, sin provocar
en ella alguna distorsión de importancia

A continuación, se muestra el código implementado del método
de normalización Morphology Closing.
Figura 8: Método de normalización Morphology Closing
Como resultado se obtiene la siguiente imagen:

 4

Figura 12: Método de proyección poligonal utilizando un cuadrado


 Wavelet Haar
Figure 9: Imagen normalizada con el método Morphology Closing
III. EXTRACIÓN DE CARACTERÍSTICAS
Las características tienen que ser robustas en el sentido que su
extracción debe ser insensible al ruido de captura e iluminación,
asimismo las características deben servir para distinguir objetos
de clases distintas.
Para este proceso se ha seleccionado 3 métodos de extracción,
representación binaria, proyección poligonal y Wavelet Haar.
como polígono de referencia
Este método fue desarrollado por Alfred Haar, en él se
encuentran una secuencia de funciones que permiten analizar y
reconocer patrones. Se han utilizado diferentes tipos de
transformadas como la contínua isotrópica, con orientación
angular y la transformada discreta. Con los coeficientes de
aproximación de estas transformadas se forma una imagen
suavizada y con menor dimensionalidad de los dígitos. Luego
con las transformadas se construye el vector de características
que contiene propiedades de los dígitos como su orientación, el
gradiente y la curvatura, los cuales son obtenidos con la
entropía y energía de la transformada.

Representación Binaria
En este método se toma un arreglo de 2x2 del vector de la
imagen (que contiene ceros y unos), luego se hace la
representación binaria de izquierda a derecha y de arriba hacia
abajo, como en la figura X y queda de la siguiente forma 0001
que en decimal es 1; es este número el que se reemplaza por el
vector de 2 dimensiones, de esta forma se reduce la
dimensionalidad a 14 x 14 si se realiza el proceso para los
demás grupos de arreglos (2x2)

Figura 13: Ejemplo de la transformada wavelet discreta en dos

Figura 10: Obtención de arreglo de 2x2 para la visualización y
posterior conversión a decimal
Al final del proceso se obtiene la representación que se
muestra en la figura Y:
dimensiones utilizando la función Haar. (a) Imagen original de un
dígito 5, (b) 1 paso de la transformada y (c) 2 pasos de la
transformada
Los resultados obtenidos para el entrenamiento de los 60,000
datos utilizando las fases anteriormente vistas como el pre
procesamiento y extracción de características con sus
respectivas técnicas se muestran a continuación.

Tareas Dimensión Tiempo (segundos)

Lectura 784 5.594
Pre procesado 784 1.953
Proyección Poligonal 112 18.432
Figura 12: Aplicación de método de binarización. Wavelet Haar y Proyección
Poligonal 56 13.346
Proyección Poligonal Representación Binaria y
Este método permite obtener un vector de características Proyección Poligonal 56 117.219
poligonales a partir de la medición de la distancia desde un Total 156.544
polígono de referencia, para el caso ejemplo, un cuadrado
(Figura 1), hasta el contorno de la imagen. La distancia se mide Tabla 1: Tiempos obtenidos para la data de entrenamiento
sobre una imagen binaria normalizada

IV. CLASIFICACIÓN
 implementado del método de clasificación support vector
Support Vector Machine
El método de clasificación support vector machine consiste en
que, dado un conjunto de puntos en un espacio, en el que cada
uno de ellos pertenece a una de varias posibles categorías,
construyendo un modelo capaz de predecir si un punto nuevo
(cuya categoría desconocemos) pertenece a una categoría o a la
otra a través del análisis de datos y reconocimiento de patrones.
La SVM busca un hiperplano que separe de forma óptima a los
puntos de una clase de la de otra.
Existe diferentes tipos de SVMs con la finalidad mejorar las
técnicas de clasificación MNIST dataset. Los algoritmos de
clasificación con los siguientes 4 tipos de Kernel: SVM con
kernel Lineal, SVM Lineal, SVM con Kernel RBF y SVM con
Kernel Polinomial.
En las versiones de SVM con Kernel lineal y los SVM Lineal
tal y como su nombre lo indican, son métodos lineales. Sin
embargo, con las SVM con kernel RBF y el Kernel Polinomial,
son complejas decisiones no lineales, aprendidas durante el
entrenamiento. De esta manera podemos utilizar el RBF y
Polinomial para modelar límites de decisión compleja y no
lineal.
En SVM, existen dos importantes hiperparametros para dar un
equilibrio entre el margen y el límite de decisión. Primero es el
costo (C) de clasificación errónea, es decir dónde establecer el
equilibrio, entre hacer la división más complicada del
hiperplano versus cuánto queremos para dividir el conjunto de
datos de entrenamiento exactamente. Cuando C es igual a 1
entonces el ancho del margen para la clasificación es menor y
cuando C está más cerca de 0 entonces el margen de
clasificación es el máximo.
El segundo parámetro es el Gamma (g), que es el grado de
tensión que queremos que tenga el RBF (g es inversamente
proporcional a la desviación estándar de los Gaussians).
Figura 14: Clasificación Support Vector Machine
5
Para nuestro caso, para el valor del costo asignado es de 1 y el
de gamma 0.001.A continuación se muestra el código
machine.
Figura 15: Método de clasificación Support Vector Machine
Naive Bayes
Es un método basado en la teoría de la probabilidad, es uno de
los algoritmos de aprendizaje práctico más utilizados por su
sencillez debido a su implementación.
Es una técnica de clasificación y predicción supervisada ya
que necesita de ejemplos previos a través de un entrenamiento
que nos ayuden a clasificar los datos a evaluar, Naive Bayes nos
permite construir modelos que predicen la probabilidad de
resultados, tomando en cuenta las características que
determinan a que clase pertenece
A continuación, se muestra el código implementado del
método de clasificación Naive Bayes.
Figura 16: Método de clasificación Naive Bayes
K-Nearest Neighbors (KNN)
El método KNN (Vecinos Cercanos) consiste en extraer
información de un conjunto de datos conocidos para clasificar
nuevos datos o agrupar existentes.
Este método supone que los vecinos más cercanos nos dan la
mejor clasificación y esto se hace utilizando todos los atributos.
Sin embargo, los costos computacionales pueden sr caros en la
clasificación si los individuos de entrenamiento son muchos.
En el presente trabajo utilizamos este clasificador para
encontrar un modelo para predecir la clase a la que pertenecería
cada registro. El valor de K que utilizamos fue 1, para que se
asignara el vecino más próximo, no encontramos otro valor más
óptimo para la clasificación.
Para este método utilizamos la data de entrenamiento y el de
prueba.
A continuación, se muestra el código implementado del
método de clasificación KNN.
 6

1 1 1108 0 3 0 1 4 6 3 7
2 3 5 974 11 4 1 0 7 9 0
3 1 1 15 941 0 35 1 7 13 17
4 3 0 3 0 931 1 4 17 4 24
5 1 0 0 8 0 806 9 0 10 2
6 7 6 0 1 4 9 924 0 7 0
Figura 17: Método de clasificación K-Nearest Neighbors 7 1 0 9 16 8 2 0 921 13 73
8 17 15 21 25 2 23 2 7 858 5
9 1 0 1 2 31 7 0 63 9 872

V. EXPERIMIENTACIÓN Tabla 4: Support Vector Machine con Representación Binaria

y Proyección Poligonal
Se utilizó los 10,000 datos de prueba con los clasificadores
anteriormente definidos, aplicando para cada uno de ellos los
Segunda experimentación:
diferentes tipos de extracción de características.
Para la segunda experimentación se utilizó el método de
clasificación k-Nearest Neighbors utilizando los métodos de
Primera experimentación:
extracción de características como: Proyección Poligonal para
Para la primera experimentación se utilizó el método de
la primera prueba, Wavelet Haar y Proyección Poligonal para
clasificación Support Vector Machine utilizando los métodos
la segunda prueba y Representación Binaria y Proyección
de extracción de características como: Proyección Poligonal
Poligonal para la tercera prueba. Para los tres casos utilizando
para la primera prueba, Wavelet Haar y Proyección Poligonal
el clasificador KNN se asignó el valor de K igual a 1 debido a
para la segunda prueba y Representación Binaria y Proyección
que al dar un mayor valor no realizaba correctamente la
Poligonal para la tercera prueba. Para los tres casos utilizando
clasificación de los dígitos y tardaba demasiado tiempo. Los
el clasificador SVM se asignó el valor del costo (C) igual a 1 y
resultados obtenidos se muestran a continuación.
gamma igual a 0.001. Los resultados obtenidos se muestran a
continuación.
0 1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9
0 945 0 20 9 9 11 14 1 88 9
0 952 0 6 0 3 5 9 0 36 5
1 1 1110 7 6 2 0 3 2 8 8
1 0 1108 0 1 0 0 3 4 2 7
2 5 3 889 24 8 1 4 7 12 3
2 3 8 984 8 8 0 6 8 9 1
3 2 3 45 866 1 55 2 9 8 11
3 2 0 12 962 0 25 1 6 8 12
4 3 1 1 1 865 3 2 19 9 14
4 4 0 1 0 939 3 1 11 3 11
5 1 0 1 18 2 728 6 0 16 4
5 1 2 0 7 0 833 2 1 11 4
6 5 7 14 3 9 18 919 0 13 0
6 5 4 2 0 4 6 933 0 7 0
7 2 1 8 20 11 5 0 845 15 48
7 1 0 9 12 6 1 0 939 11 25
8 15 8 42 49 9 59 8 15 788 21
8 11 11 16 18 1 12 3 5 886 6
9 1 2 5 14 66 12 0 130 17 891
9 1 2 2 2 21 7 0 54 1 938
Tabla 5: KNN con Proyección Poligonal
Tabla 2: Support Vector Machine con Proyección Poligonal

0 1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9
0 938 1 13 8 10 12 15 1 77 6
0 945 0 9 3 2 7 14 0 48 9
1 1 1101 1 3 5 0 3 6 4 8
1 1 1108 0 3 0 1 4 6 3 7
2 3 4 898 18 7 3 4 5 7 4
2 3 5 974 11 4 1 0 7 9 0
3 6 4 48 865 1 62 2 15 19 13
3 1 1 15 941 0 35 1 7 13 17
4 1 2 3 0 877 3 3 20 4 15
4 3 0 3 0 931 1 4 17 4 24
5 2 0 4 32 1 725 8 0 12 4
5 1 0 0 8 0 806 9 0 10 2
6 9 7 11 2 9 16 917 0 9 0
6 7 6 0 1 4 9 924 0 7 0
7 1 2 9 15 10 7 0 871 4 53
7 1 0 9 16 8 2 0 921 13 73
8 18 14 41 48 12 56 6 15 823 14
8 17 15 21 25 2 23 2 7 858 5
9 1 0 4 19 50 8 0 95 15 892
9 1 0 1 2 31 7 0 63 9 872
Tabla 6: KNN con Wavelet Haar y Proyección Poligonal
Tabla 3: Support Vector Machine con Wavelet Haar y
Proyección Poligonal
0 1 2 3 4 5 6 7 8 9
0 938 1 13 8 10 12 15 1 77 6
1 1 1101 1 3 5 0 3 6 4 8
0 1 2 3 4 5 6 7 8 9
2 3 4 898 18 7 3 4 5 7 4
0 945 0 9 3 2 7 14 0 48 9
3 6 4 48 865 1 62 2 15 19 13
 7

4 1 2 3 0 877 3 3 20 4 15 Tabla 10: Naive Bayes con Representación Binaria y

5 2 0 4 32 1 725 8 0 12 4 Proyección Poligonal
6 9 7 11 2 9 16 917 0 9 0
7 1 2 9 15 10 7 0 871 4 53 Finalmente, para los 10,000 datos de prueba, se ha puesto en
8 18 14 41 48 12 56 6 15 823 14 una tabla general los tiempos obtenidos digito por digito en sus
9 1 0 4 19 50 8 0 95 15 892 diferentes etapas de lectura, pre procesamiento y extracción de
características.
Tabla 7: KNN con Representación Binaria y Proyección
Poligonal Tiempo (segundos)

Tercera experimentación:

Proyección
Wavelet Representación

Elementos

procesado

Poligonal
Número

Lectura
Para la tercera experimentación se utilizó el método de Haar y Binaria y

Pre
clasificación Naive Bayes utilizando los métodos de extracción Proyección Proyección
de características como: Proyección Poligonal para la primera Poligonal Poligonal
prueba, Wavelet Haar y Proyección Poligonal para la segunda 0 980 0.297 0.031 0.281 0.203 1.938
prueba y Representación Binaria y Proyección Poligonal para 1 1135 0.093 0.020 0.313 0.282 2.109
la tercera prueba. Los resultados obtenidos se muestran a 2 1032 0.094 0.031 0.297 0.219 2.016
continuación. 3 1010 0.094 0.031 0.313 0.266 1.962
4 982 0.094 0.031 0.307 0.281 1.938
0 1 2 3 4 5 6 7 8 9 5 892 0.078 0.046 0.250 0.203 1.793
0 802 3 2 0 0 1 3 0 7 1 6 958 0.070 0.047 0.265 0.203 1.875
7 1028 0.078 0.031 0.297 0.234 1.949
1 0 1062 1 3 0 2 2 2 5 4
8 974 0.078 0.031 0.312 0.257 1.938
2 19 12 964 692 15 154 10 18 10 12
9 1009 0.092 0.062 0.344 0.219 1.969
3 0 0 0 0 0 0 0 0 0 0
4 9 9 4 8 811 90 5 5 6 8
Tabla 11: Tiempos obtenidos dígito por dígito
5 0 0 0 0 0 2 0 0 0 0
6 31 3 3 0 7 3 910 0 9 0
Tareas Dimensión Tiempo (segundos)
7 1 0 12 109 11 3 0 768 10 5
8 82 45 45 124 46 449 27 31 788 11 Lectura 784 0.793
9 36 1 1 74 92 188 1 204 139 968 Pre procesado 784 0.313
Proyección Poligonal 112 2.838
Wavelet Haar y Proyección Poligonal 56 2.219
Tabla 8: Naive Bayes con Proyección Poligonal Representación Binaria y Proyección
56 18.587
Poligonal
0 1 2 3 4 5 6 7 8 9 Total 24.750
0 921 4 39 3 6 16 258 0 100 2
1 4 1105 22 3 5 7 158 6 112 12 Tabla 12: Tiempos obtenidos para todos los dígitos
2 0 0 0 0 0 0 2 0 0 0
3 21 11 803 998 9 555 215 657 512 75
4 34 15 168 6 962 314 325 364 249 920 VI. RESULTADOS OBTENIDOS
5 0 0 0 0 0 0 0 1 0 0
6 0 0 0 0 0 0 0 0 0 0
A continuación, se muestra una tabla de los resultados
7 0 0 0 0 0 0 0 0 0 0
obtenidos por clasificador y extracción de características
8 0 0 0 0 0 0 0 0 1 0
aplicadas.
9 0 0 0 0 0 0 0 0 0 0
Support
Tabla 9: Naive Bayes con Wavelet Haar y Proyección k-Nearest Naive
Vector
Poligonal Neighbors Bayes
Machine
Predicción
0 1 2 3 4 5 6 7 8 9 Proyección 108.479 18.993 13.755
(segundos)
0 921 4 39 3 6 16 258 0 100 2 Poligonal
Accuracy (%) 94.740 88.460 70.750
1 4 1105 22 3 5 7 158 6 112 12 Wavelet Haar Predicción
2 0 0 0 0 0 0 2 0 0 0 40.876 10.135 0.547
y Proyección (segundos)
3 21 11 803 998 9 555 215 657 512 75 Poligonal Accuracy (%) 92.800 89.070 39.870
4 34 15 168 6 962 314 325 364 249 920 Representació Predicción
5 0 0 0 0 0 0 0 1 0 0 41.780 10.216 0.531
n Binaria y (segundos)
6 0 0 0 0 0 0 0 0 0 0 Proyección
7 0 0 0 0 0 0 0 0 0 0 Accuracy (%) 92.800 89.070 39.870
Poligonal
8 0 0 0 0 0 0 0 0 1 0
9 0 0 0 0 0 0 0 0 0 0 Tabla 1: Comparación de todos los resultados obtenidos.

VII. CONCLUSIONES
 El lenguaje de programación Python por su facilidad de
aprendizaje, variedad de librerías y portabilidad, es una
herramienta muy recurrente para la realización de este tipo
de trabajos. También se utilizaron las librerías Nympy que
nos permite trabajar con arreglos de gran dimensionalidad
sin utilizar mucho tiempo y la la librería OpenCV que está
escrita en C++.
 Al tratarse de dígitos escritos a mano se pudo notar que la
reducción por simple descarte de pixeles no iba a ser
posible ya que, si dicho descarte funcionó para una
imagen, en otra podríamos estar perdiendo información.
 Las técnicas utilizadas en la etapa de pre procesamiento
nos permiten obtener imágenes de los dígitos con mayor
nitidez y con valores por pixel que van de 0 a 255.
 En la etapa de la obtención del vector de características,
notamos que la técnica de representación binaria y la de
Wavelets Haar, nos permiten reducir la imagen en la
proporción, pero la técnica Wavelets Haar nos permite
obtener una imagen con mejor nitidez.
 El clasificador Naive Bayes fue uno de los métodos de
clasificación más rápidos, pero fue el que obtuvo el más
bajo porcentaje de exactitud de reconocimiento de dígitos,
demostrando que para este tipo de labores no es uno de los
clasificadores más adecuados.
 El clasificado KNN a pesar de ejecutarse en buen tiempo
(10.135 segundos con Wavelet Haar y Proyección
Poligonal) presenta un porcentaje menor al 90%, haciendo
que este clasificador no sea el más adecuado para para su
utilización en la práctica.
 El mejor resultado fue de 94.740% con un tiempo de
108.479 segundos utilizando como clasificador Support
Vector Machine y método de extracción de características
Proyección Poligonal, obtenido un vector de 112
dimensiones que representa el contorno del digito a
reconocer, pero el principal problema de esta técnica es
que los dígitos que contiene espacios vacíos (como él 8 y
9) pueden llegarse a ser confundidos, ya que esta técnica
los considera como sólidos. Para poder solucionar este
problema se recomiendo incrementar los valores del
vector de características obtenido no sólo contando los
pixeles vacíos que existen desde un extremo al número,
sino considerando todos los pixeles vacíos (con 0) de
extremo a extremo.
REFERENCIAS
[1] Gustav. (2012, junio 18). MNIST to numpy [Online]. Accesible:
http://g.sweyla.com/blog/2012/mnist-numpy/
[2] Comunidad Scipy (2015, octubre 18) Numpy – Data types [Online].
Accesible:
http://docs.scipy.org/doc/numpy-1.10.1/user/basics.types.html
[3] Filip Wasilewski (31, agosto, 2012) PyWavelets - Discrete Wavelet
Transform in Python [Online] Accesible:
http://www.pybytes.com/pywavelets/
[4] R. Gonzales y R. Woods, “Digital Image Processing” Addison-Wesley
Publishing Company, 1192, pp. 524–552.
[5] R. Haralick and L. Shapiro “Computer and Robot Vision”, Vol. 1,
Addison-Wesley Publishing Company, 1992, pp 174 - 185.
8
[6] A. Jain “Fundamentals of Digital Image Processing”, Prentice-Hall, 1986,
p 387.
[7] D. Vernon “Machine Vision”, Prentice-Hall, 1991, pp 78 - 79.
[8] Itseez (2016, mayo, 19) More Morphology Transformations [Online]
Accesible:
http://docs.opencv.org/2.4/doc/tutorials/imgproc/opening_closing_hats/o
pening_closing_hats.html
[9] Itseez (2016, Junio, 11) Introduction to Support Vector Machines [Online]
Accesible:
http://docs.opencv.org/2.4/doc/tutorials/ml/introduction_to_svm/introdu
ction_to_svm.html#introductiontosvms
[10] Itseez (2016, junio, 11) Support Vector Machines for Non-Linearly
Separable Data [Online] Accesible:
http://docs.opencv.org/2.4/doc/tutorials/ml/non_linear_svms/non_linear_
svms.html#nonlinearsvms
[11] Itseez (2016, mayo, 19) Normal Bayes Classifier [Online] Accesible:
http://docs.opencv.org/2.4.13/modules/ml/doc/normal_bayes_classifier.h
tml
[12] Itseez (2016, mayo, 19) K-Nearest Neighbors [Online] Accesible:
http://docs.opencv.org/2.4.13/modules/ml/doc/k_nearest_neighbors.html
[13] Itseez (2016, mayo, 19) Image Filtering [Online] Accesible:
http://docs.opencv.org/2.4.13/modules/imgproc/doc/filtering.html
[14] Robot Logs (2015, Julio, 26) ¿Cómo filtrar e ruido de una máscara con
OpenCV? [Online] Accesible:
http://robologs.net/2015/07/26/como-filtrar-el-ruido-de-una-mascara-
con-opencv/
[15] Ming Wu, Zhen Zhang (2014, septiembre, 05)
https://www.researchgate.net/publication/228685853_Handwritten_Digi
t_Classification_using_the_MNIST_Data_Set [Online] Accesible:
https://www.researchgate.net/publication/228685853_Handwritten_Digi
t_Classification_using_the_MNIST_Data_Set
[16] Cheng-Lin Liu; Nakashima, K.; Sako, H.; Fujisawa, H., "Handwritten
digit recognition using state-of-the-art techniques," Frontiers in
Handwriting Recognition, 2002. Proceedings. Eighth International
Workshop on, vol., no., pp.320,325, 2002.
[17] C. Suen and J.Tan, “Analysis of errors of handwritten digits made by a
multitude of classifiers.” Pattern Recognition Letters, vol 40, pp,
18161824,2007.
[18] Otsu, N. 1979. A threshold selection method from gray level histogram.
IEEE Trans. Systems Man Cybern. 9 (1), 62–66.
[19] Charles K. Chui, “An Introduction to Wavelets”, Academic Press, 1992,
San Diego, ISBN 0585470901
[20] Peter Harrington, “Machine Learning in Action”. 2012. Manning
Publications Co. Capítulo 2, pp 18-21
[21] L. Breiman, “Random Forest”, Machine Learning, Kluwer Academic
Publishers, Vol 45, no 1, pp 5-32
[22] L. Maria Seijas, “Reconocimiento de patrones utilizando técnicas
estadísticas y conexionistas aplicadas a la clasificación de dígitos
manuscritos. Universidad de Buenos Aires.