1. 说明

数据处理:将一块内的x(y)轴数据全部减去它的最小值，在矩阵上标点，确定插值方式，将其填充为类似图像的矩阵
进而利用图像识别的方式使用图片训练模型(选择: 全连接/CNN) 可参考此篇

思路说明:

找到x，y轴坐标最小值
重建坐标系(循环遍历x,y轴，减去minx和miny中最小值)
寻找最大坐标，即框框长度(图片的长宽)
连线,并将矩阵存为图片

找到

2. 处理效果

处理前👇(注意看横纵坐标数值)
在这里插入图片描述
处理后👇

处理后👇(点图连成线图，图片输出处理)

3. 代码

    print(strokes[0])   # [[第一笔的所有x], [第一笔的所有y]]
    arx=strokes[0][0]
    ary=strokes[0][1]
    #循环找到x轴最小点
    minx = arx[0]
    for k in range(len(arx)):
        if minx>=arx[k]:
            minx=arx[k]
    # 循环找到轴最小点
    miny = ary[0]
    for j in range(len(ary)):
        if miny>ary[j]:
             miny=ary[j]
    # 循环遍历x,y轴，减去minx和miny中最小值
    for k in range(len(arx)):
        arx[k]=arx[k]-minx
    for k in range(len(ary)):
        ary[k]=ary[k]-miny
    strokes[0][0]=arx
    strokes[0][1]=ary
    # plt.plot(arx,ary,
    #          color='red',  # 全部点设置为红色
    #          marker='.',  # 点的形状为圆点
    #          linestyle='')  # 线型为空，也即点与点之间不用线连接
    # plt.grid(True)
    # plt.show()


    # 寻找最大坐标，即框框长度
    for k in range(len(arx)):
        if arx[k]>maxx:
            maxx=arx[k]
    for k in range(len(ary)):
        if ary[k]>maxy:
            maxy=ary[k]

    # 连线,并将矩阵存为图片
    plt.figure('图')
    for i in range(len(arx) - 1):
        x1 = arx[i]
        y1 = ary[i]
        # print(x1, y1)
        x2 = arx[i + 1]
        y2 = ary[i + 1]
        plt.plot([x1, x2], [y1, y2], color='r')
    plt.axis('off')
    plt.savefig('./picture.png')
    # plt.show()