码迷,mamicode.com
首页 > 其他好文 > 详细

OpenCV——识别手写体数字

时间:2016-12-20 01:29:57      阅读:502      评论:0      收藏:0      [点我收藏+]

标签:com   运行   read   手写   pre   数据类型   res   bin   creat   

这个是树莓派上运行的, opencv3

opencv提供了一张手写数字图片给我们,如下图所示,可以作为识别手写数字的样本库。

技术分享

0到9共十个数字,每个数字有五行,一行100个数字。首先要把这5000个数字截取出来。

图片大小为1000*2000,则每个数字块大小为20*20。

1.截取样本并存储

以下代码为截取以上数字并将其存储在矩阵中的过程

训练的数据,一般都会是两个矩阵,一个矩阵存放着数据图像,另一个矩阵存放数据图像对应的数字

 Mat src = imread("sample.png");
    Mat grayImage;
    cvtColor(src, grayImage, CV_BGR2GRAY);
    threshold(grayImage, grayImage, 48, 255, CV_THRESH_BINARY);
    int p = 20;                                         //一个数字大小为20*20
    int m = grayImage.rows / p;          //横行的数字个数m
    int n  = grayImage.cols / p;            //纵列的数字个数n 
    Mat data, labels;                              //data存放样本数据,label为data样本所对应的数字

    for( int i = 0; i < n; i++){
        int y = i * p;                                   //纵列第i个数字开始的位置
        for(int j = 0; j < m; j++){
            int x = j * p;                               //横行第i个数字开始的位置
            Mat dst;
            grayImage(Range(x,x + p), Range(y, y + p)).copyTo(dst);
            
            data.push_back(dst.reshape(0,1));         //将20*20大小矩阵变为1*400 向量
            labels.push_back( j / 5);                           //对应数据向量存储的数字
        }
    }

    data.convertTo(data, CV_32F);                       //改变像素的数据类型为浮点型
    Mat trainData, trainLabels; 
    trainData = data(Range(0, 5000), Range::all()); 
    trainLabels = labels(Range(0, 5000), Range::all());


2.处理待识别数字的图像

//处理代检测图像
    Mat Image, dst;
    Image = imread("6.png");
    cvtColor(Image, Image, COLOR_BGR2GRAY);
    threshold(Image, Image, 48, 255, CV_THRESH_BINARY_INV);
    imshow("Image", Image);
    Image.copyTo(dst);
    vector< vector<Point> > contours;
    vector<Vec4i> hierarchy; 
    findContours(Image,contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    vector<Point> point = contours[0];
    Rect rect = boundingRect(point);
    int x = rect.x, y = rect.y;
    int h=rect.height, w = rect.width;
   Mat now = dst(Range(x, x+h-1), Range(y, y+w-1));
    //dst(rect).copyTo(now);
    resize(now,now,Size(20,20));


3.使用knn算法进行识别,要将识别的图像也进行像训练样本一样的处理

我在运行程序时,一直有如下的错误,换了好几种处理图片的方式,仍然没有用 

Mat_<float>  nums;
    nums  = now.reshape(0,1);
    nums.convertTo(nums, CV_32F);
    imshow("待测图像", now);
   /* Mat mm;
     mm.push_back(now.reshape(0,1));
     mm.convertTo(mm,CV_32F);
     Mat nums = mm(Range(0,1),Range::all());
     /*float imagedata[20*20];
     for(int i =0; i < 20; i++){
       for(int j=0;j<20;j++){
                      imagedata[ i *20 +j] = now.data[i *20+j];
         }
   }  
   Mat nums(1,20*20, CV_32F, imagedata);*/

最后查看源代码才发现不是其他参数的问题:

///  错误 knn->findNearest(nums, 1, Mat());

Mat temp;
knn->findNearest(nums, 1, temp);
//要传入一个具体的Mat类型

最后的识别代码为

//创建knn分类器
    Ptr<ml::KNearest>  knn = (ml::KNearest::create()); 
    knn->setIsClassifier(true);
    Ptr<ml::TrainData> tData = ml::TrainData::create(trainData,ml::ROW_SAMPLE, trainLabels);
    knn->train(tData);
    Mat temp;
    float result = knn->findNearest(nums, 1, temp);
    
    cout << result<<endl;

检查了好多遍,也只是不能识别出所有

程序缺陷:待检测的图像处理问题。不能截取出合适的roi区域

 

再改进吧。

 

OpenCV——识别手写体数字

标签:com   运行   read   手写   pre   数据类型   res   bin   creat   

原文地址:http://www.cnblogs.com/farewell-farewell/p/5911050.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!