英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
译文1：
基于Python的微信智能处理图像的设计
摘要
随着微信的不断发展，越来越多的人喜欢在朋友圈里发布自己的动态，对图片美化的需求也越来越大。为了解决用户处理图片的实时性问题，设计了基于微信平台的图片智能处理机器人。它实时处理信息，然后根据人们的需要自动生成相应的图像。
关键词:图像智能处理;微信机器人;
1介绍
不知道什么时候，微信已经成为我们生活中不可或缺的一部分。它不仅可以让我们方便的进行聊天、支付等，还可以在微信朋友圈中发布动态，记录我们的成长。随着多媒体时代的不断发展，大多数人在发布朋友圈的动态时，会选择更多的图片或者圈定图片的形式。为了完美呈现自我，朋友圈中不可或缺的图片元素尤为重要，所以画面的美化已经成为人们的基本要求。
大量图像处理软件的出现也满足了人们美化图像的基本需求，但是美化图像是相当耗时的。在这种情况下，智能机器人显得尤为重要。随着现代科学技术的不断发展，智能化和自动化是大势所趋，微信机器人已经成为人工智能研究的一个大方向。为此，本文尝试设计一款基于微信平台的智能图像美化处理机器人，它可以根据人们的需求自动生成相应的图像，实时处理，方便快捷。
2开发环境和关键技术
2.1Python
Python是一种面向对象的计算机编程语言，具有丰富的类库，所以本程序使用Python 3.7。
2.2开发工具和类库
Pycharm是一个Python IDE，可以帮助用户在使用Python语言开发时提高效率。因此，该程序是使用Pycharm开发工具设计和实现的。由于程序是关于微信机器人和图像处理的，所以需要安装itchat库和图像库。
3开发环境和关键技术
3.1背景分析
一方面，随着手机智能化的发展，手机APP被广泛使用，基于照片美化的需求，美图APP已经成为手机用户必备的软件。这些应用程序是相似的，它们的设计最初是为了让用户更容易地美化图片。但在处理完成后，用户重新保存的图片像素减少，导致内容制作质量下降，并根据图片的功能衍生出相机。社区、电子商务等功能，降低了用户体验。另一方面，微信已经迅速发展成为我们日常生活中的交流工具。我们可以发送多种类型的消息，比如语言、视频、图片，微信也提供了一个朋友圈来分享内容给朋友。根据微信首次发布的2019年季度业绩报告，微信用户数量已达11亿。基于庞大的用户群微信,本文将设计一个微信机器人在无需下载应用的情况下来满足用户的需求实时美化图片。
3.2可行性分析
设计微信机器人有利于提高图像处理的专业化和智能化。应当从技术、经济和法律的角度加以考虑。本程序采用面向对象编程语言Python编写，开发效率高。由于Python提供了丰富的类库，程序的核心思想是:图像处理更容易实现，这从根本上降低了开发难度;该方案的成本主要存在于开发中。由于Python语言的特点，开发周期短，即成本低;该程序在保存图像时使用缓存技术，不保留用户图像，只对用户有益，没有法律问题。
3.3框架分析
3.3.1总体流程图
首先，使用python导入Itchat库来创建微信机器人。通过登录网页微信获取微信机器人的权限，在微信聊天的基础上，专注于图像的实时处理，即用户发送图像，机器人根据用户的需要进行回复。图片,用户可以发送一个特定的关键字,比如9平方网格,手绘,素描,或一系列的信息处理的图像,如提高清晰度,地图等等,然后机器人响应用户的需求,立即处理图像,并返回给用户的智能处理图片。
图1 总体流程图
图2 UML时序图
用户向微信机器人发送消息后，通过判断用户发送的是文本消息还是图片消息，触发相应的监视器。
4 功能实现
4.1模拟登录
图3 登录二维码
登录时，使用命令行显示生成的登录二维码(图4.1)，用户扫描后变成微信机器人。退出程序后，扫描临时登录状态，即扫描二维码后，生成一个静态文件存储登录状态。
4.2消息处理
通过decorator注册download_files函数后，Itchat将根据接收到的消息类型搜索对应的注册方法，然后对消息进行处理。因为程序目前只实现了切割9个正方形的功能，所以我们来谈谈切割9个正方形的实现。Jiugongge函数的具体实现的想法:
创建一个白色背景和中心最初的形象:通过初始图像,比较图像的宽度和高度,和使用时间越长边的边长基础映像,然后创建一个空白的广场形象。将初始图像粘贴到新创建的空白上并居中。
b)分割图像:将图像切成三等份，用数组存储分割后的图像。
c)保存图片。
4.3结果显示
由于本程序只实现了对九方格的切割功能，在接收到图像后，直接进行切割并返回给用户。让朋友们挑选一张图片(图4.3-1)发送给微信机器人(由于后台正在记录自己的微信号，即发送图片给我)，它可以依次接收9张图片(图4.3- 2)。图4.3-3，图4.4-4)最后将图片拼接在一起，即朋友圈(图4.3-5)
图4 初始Pictu 图5 切割的图片
图6 接收1 图7 接收2 图8 接收3
- 总结与展望
本文实现的小程序是基于微信平台，使用Python3.7面向对象编程语言，使用Pycharm作为开发工具开发的。本程序主要完成以下任务:实现微信扫描登录功能，对用户发送图片进行处理，即对九方格网格进行切割，切割完成后按切割顺序返回给用户。与现有的Mito APP相比，该程序可以保证画图质量，不减少图片像素，不影响清晰度，更智能，无需人工操作，节省用户时间。基于Python的优点
语言上，该程序具有较强的可扩展性，并可根据当前热点增加图像类型的处理选项，满足用户实时需求。在项目的开发过程中，由于个人经验的缺乏和对项目整体结构开发能力的不足，导致项目没有达到最初的预期效果，需要不断的改进。例如:部署个人微信号到服务器实现实时回复功能;根据用户的需求进行图片美化，增加新的图片美化风格，为用户提供多种选择。
译文2：
基于机器学习的微信机器人的设计与实现
摘要
为了构建高效的微信使用辅助管理系统，提高使用效率，本文提出了一种基于机器学习的新型应用机器人。本系统集成了信息采集模块，通过机器学习自主学习-群体规则模块。微信群模块的模拟管理、 和用户图像内容分析模块。用户引入管理系统后，本系统自动分析组管理规则，并进行试运行，不断修正所学规则，最后模拟团队管理行为，根据用户自己的选择，帮助用户识别图片内容。实验结果表明，该应用机器人具有较高的应用效率，能够很好地满足用户的日常使用需求。
关键词:机器学习;图像识别;微信机器人系统;
1引言
信息技术的发展对生产生活产生了革命性的影响。它结合了信息技术和管理系统，实现了高效率的工作。如何将管理工作与信息技术相结合，提高管理效率，已成为关注的焦点。对于微信群来说，传统的管理模式需要大量的人力和时间。为了提高微信组的管理效率，本文献提出了一种基于机器学习的管理系统。为了吸引用户并推广应用，reference提出了兴趣推荐系统。为了更好地满足用户的兴趣，reference提出了一个管理用户社交网络和响应用户联系人的系统。为了优化用户体验，reference提出了一个区分图片内容的函数。机器学习是指利用数据或以前的经验来优化计算机程序的性能标准。机器学习在国内外工业、交通等诸多领域得到了应用，并取得了很好的效果。2016年，阿尔法狗利用深度学习技术击败围棋冠军李世石，人工智能迎来了新高峰。在机器学习的研究方面，很多公司都取得了很好的成果，比如谷歌的开源机器学习系统TensorFlow，亚马逊基于机器学习的产品需求分析概率模型。在以往工作的基础上，我们将管理规则与微信群结合起来，建立了一个基于机器学习的高效用户管理系统，提高了微信群日常管理的效率。在第二部分，我们介绍了所提出的系统架构。第三部分详细介绍了各个模块。第四部分提出了有效的服务分配机制。第五部分给出了系统的运行流程。
2系统架构
本系统包括四个模块:信息采集模块、机器学习自主学习群规则模块、仿真管理模块和图像识别模块。第一个模块具有微信群信息获取功能，通过使用python打包的基于web的微信通信协议库来获取信息。第二模块具有自学习群规则的功能，通过机器学习对群内数据进行分析，得出群管理规则。第三个模块具有模拟管理微信群的功能，进行试运行，通过培训组的规则不断修改学习规则，最后模拟群管理行为。最后一个模块具有用户图像识别功能，帮助用户根据自己的选择来区分图片内容，将图片中的有效信息转换为文本，方便用户操作。该系统是一个具有两个关键组成部分的创新系统。第一个重点部分是机器学习分析群规则，并提供模拟群管理行为的服务。第二部分重点对用户群中的图像信息进行识别，为用户提取有效的信息。图1展示了机器人系统的架构。
图1 系统框图
3系统模块详细信息
信息采集模块是本系统的基础。在本模块中，我们将获取微信中的信息，我们通过第三方提供的接口获取信息，并对获取的信息进行下一步操作，为后续的系列操作提供基础。在这一节中，我们将讨论信息获取方法。图2显示了信息获取模块的架构。
图2 信息获取模块架构
从图中可以看出，信息采集 模块可分为以下四个部分:
Itchat API.这部分涉及到使用python的基于web的微信通信协议封装函数库。通过API调用，您可以模拟与微信用户的交互。
Get WeChat info这部分是本模块的核心部分。在系统建议的用户群中收集信息用于处理。过滤出有效的信息。这部分的功能是对已经收集的数据进行处理，减少无效数据对以后的系统功能的影响。
Save to local database。本模块将处理后的数据存储在本地数据库中，以便为下一个功能模块做准备。
自主学习群规则模块和模拟管理模块是机器人系统的核心。本模块对所获得的群体信息进行分析，并结合半监督学习和非监督学习进行训练。群信息活动时间、组公告、组信息、组管理行为等一系列数据作为学习群管理规则的参数。并在用户的监督下进行群内试运行，以检测学到的群管理行为的准确性。当实际偏差较大时，学习规则的准确性会及时调整，用户确认后可以自主操作。微信群的模拟管理为用户提供了极大的方便。上面的两部分架构如图3所示。
图3 自主操作架构
图像识别模块是本系统的重要组成部分。机器人系统提供了图像识别的功能，帮助用户更加自主的操作，使用户能够快速的进行操作。本系统采用Open-CV、OCR、face 等相关技术识别车牌、人脸、身份证等图像信息，帮助用户从组图中提取文本信息，便于操作。提高用户的效率。机器人系统对图像的识别主要分为两部分。一种是通过调用第三方图像识别库的接口来识别图像。第二种方法是根据需要定制一些图像识别库，用户可以进行简单的图像分类和识别。
图4展示了使用OCR技术识别的车牌细节。
图5展示了使用目标检测技术对图片内容进行分类。实验通过一个月收集1000个数据作为一个数据集。首先，我们标记出我们想要识别的步骤，然后我们使用目标检测的神经网络进行训练。图5显示了一个使用10000次迭代的数据集。测试的结果可以清楚地理解图像中出现的所有类别。
图4 车牌识别
图5 步骤识别
4高效的服务分配机制
每个微信机器人系统可以有多个实例。当子系统进入目标群时，实例被划分到一个单独的Docker容器中。服务用户向整个系统提交请求。注册中心检查服务的运行状况。提议系统通过将判断出的请求转发给正常实例来为用户提供服务。该方案解决了过载和负载均衡过程中断而引起的系统中断问题。该图演示了这种模式。
图6 高效的服务分配机制
该系统采用的判断机制保证了服务的高可用性和灵活性。系统启动后，首次进入目标群，经用户确认后，向整个系统发送注册请求。然后，它检测运行机制是否已停止服务。如果服务连接失败三次，则服务将失败并避免使用该系统。持续占用服务造成的资源浪费问题得到了有效解决，使更多的人能够更高效、合理地使用有限的服务系统。
5系统操作流程图
为了方便用户操作机器人系统，我们开发了移动端和pc端应用。当用户成功安装机器人系统后，系统将自动运行。在建议系统成功运行后，用户可以选择是否执行建议系统中包含的功能。图7显示了机器人系统的操作流程视图。
图7 系统总框图
如图7所示，整个过程有以下十个步骤:
- 安装机器人。在使用建议的系统之前，必须安装机器人。请转到第二步。
- 安装是否成功。如果安装成功，转到步骤4，否则转到步骤3。
- 是否继续。如果用户未能安装，请选择是否继续安装。如果是，转到步骤1，否则转到步骤14。
- 收集数据。安装成功后，收集目标组中的数据。收集数据后，转到步骤5。
- 过滤数据。收集的数据必须经过初步筛选。请转到第6步。确定它是否是一张图片。如果是，转到步骤7，否则转到步骤9。
6)确定它是否是一张图片。如果是，转到步骤7，否则转到步骤9。
7)图像识别。识别接收图像的内容并将其转换为可读数据。转换成功后，转到步骤8。
8)返回数据。将转换后的可读数据返回到目标群。成功返回后，转到步骤14。
9)本地保存数据。如果不是图片数据，将处理后的数据保存到本地数据库，然后转到步骤10。
10)学习规则。使用机器学习方法对本地保存的数据进行分析，自主学习目标群的规则。然后转到第11步。
11)测试运行。学习规则后，在目标群中进
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[239906]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
