opencv python 基于SVM的手写体识别

seanHai 发布于2019-07-30 17:18 / 584人阅读

摘要：最后，与前一种情况一样，我们首先将大数据集拆分为单个单元格，对于每个数字，保留个单元用于训练数据，剩余的个数据保留用于测试。

OCR of Hand-written Data using SVM

在kNN中，我们直接使用像素强度作为特征向量。这次我们将使用方向梯度直方图（HOG）作为特征向量。在计算HOG之前，使用其二阶矩来校正图像：

def deskew(img):
    m = cv2.moments(img)
    if abs(m["mu02"]) < 1e-2:
        return img.copy()
    skew = m["mu11"]/m["mu02"]
    M = np.float32([[1, skew, -0.5*SZ*skew], [0, 1, 0]])
    img = cv2.warpAffine(img,M,(SZ, SZ),flags=affine_flags)
    return img

接下来，我们必须找到每个单元格的HOG描述符，为此，我们在X和Y方向上找到每个单元的Sobel导数，然后在每个像素处找到它们的大小和梯度方向，该梯度量化为16个整数值，将此图像分为四个子方块，对于每个子平方，计算方向的直方图（16个区间），用它们的大小加权，因此每个子方格都会为您提供一个包含16个值的向量，四个这样的矢量（四个子方块）一起给出了包含64个值的特征向量，这是我们用来训练数据的特征向量。

def hog(img):
    gx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
    gy = cv2.Sobel(img, cv2.CV_32F, 0, 1)
    mag, ang = cv2.cartToPolar(gx, gy)
    bins = np.int32(bin_n*ang/(2*np.pi))    # quantizing binvalues in (0...16)
    bin_cells = bins[:10,:10], bins[10:,:10], bins[:10,10:], bins[10:,10:]
    mag_cells = mag[:10,:10], mag[10:,:10], mag[:10,10:], mag[10:,10:]
    hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)]
    hist = np.hstack(hists)     # hist is a 64 bit vector
    return hist

最后，与前一种情况一样，我们首先将大数据集拆分为单个单元格，对于每个数字，保留250个单元用于训练数据，剩余的250个数据保留用于测试。

import numpy as np
import cv2
import matplotlib.pyplot as plt


SZ=20
bin_n = 16 # Number of bins


affine_flags = cv2.WARP_INVERSE_MAP|cv2.INTER_LINEAR


def deskew(img):
    m = cv2.moments(img)
    if abs(m["mu02"]) < 1e-2:
        return img.copy()
    skew = m["mu11"]/m["mu02"]
    M = np.float32([[1, skew, -0.5*SZ*skew], [0, 1, 0]])
    img = cv2.warpAffine(img,M,(SZ, SZ),flags=affine_flags)
    return img



def hog(img):
    gx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
    gy = cv2.Sobel(img, cv2.CV_32F, 0, 1)
    mag, ang = cv2.cartToPolar(gx, gy)
    bins = np.int32(bin_n*ang/(2*np.pi))    # quantizing binvalues in (0...16)
    bin_cells = bins[:10,:10], bins[10:,:10], bins[:10,10:], bins[10:,10:]
    mag_cells = mag[:10,:10], mag[10:,:10], mag[:10,10:], mag[10:,10:]
    hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)]
    hist = np.hstack(hists)     # hist is a 64 bit vector
    return hist


img = cv2.imread("digits.png",0)
if img is None:
    raise Exception("we need the digits.png image from samples/data here !")


cells = [np.hsplit(row,100) for row in np.vsplit(img,50)]

# First half is trainData, remaining is testData
train_cells = [ i[:50] for i in cells ]
test_cells = [ i[50:] for i in cells]



deskewed = [list(map(deskew,row)) for row in train_cells]
hogdata = [list(map(hog,row)) for row in deskewed]
trainData = np.float32(hogdata).reshape(-1,64)
responses = np.repeat(np.arange(10),250)[:,np.newaxis]

svm = cv2.ml.SVM_create()
svm.setKernel(cv2.ml.SVM_LINEAR)
svm.setType(cv2.ml.SVM_C_SVC)
svm.setC(2.67)
svm.setGamma(5.383)

svm.train(trainData, cv2.ml.ROW_SAMPLE, responses)
svm.save("svm_data.dat")



deskewed = [list(map(deskew,row)) for row in test_cells]
hogdata = [list(map(hog,row)) for row in deskewed]
testData = np.float32(hogdata).reshape(-1,bin_n*4)
result = svm.predict(testData)[1]


mask = result==responses
correct = np.count_nonzero(mask)
print(correct*100.0/result.size)

输出：93.8

海外云主机私有云基于opencv图像识别基于python的图像识别基于opencv的人脸检测 opencv的图像识别教程

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/42141.html

如何使用Python Opencv中的ann神经网络识别手写数字功能

　　写这篇文章的主要目的，是关于Python Opencv的相关知识，包括ann神经网络识别手写数字功能，教给大家怎么去使用这种功能，接下来请大家仔细的进行阅读哦。　　opencv会给大家提供一种神经网络的功能，即为ann，这种神经的网络功能与Keras的很接近。　　关于mnist数据怎么去进行解析，读者人员可以自己从网上downland软件，用python自己编写解析代码，由于这里主要研究knn...

89542767 2022-10-10 15:16 评论0 收藏0
opencv python 基于KNN的手写体识别

摘要：我们的目标是构建一个可以读取手写数字的应用程序为此，我们需要一些和附带一个在文件夹中，它有个手写数字每个数字个每个数字是图像所以首先要将图片切割成个不同图片每个数字变成一个单行像素前面的个数字作为训练数据，后个作为测试数据输出进一步 OCR of Hand-written Data using kNN OCR of Hand-written Digits 我们的目标是构建一个可以读取...

wing324 2019-07-30 17:17 评论0 收藏0
验证码识别

摘要：你说我一个学电气的，怎么就跑来写验证码识别了呢。我当时就念了两句代码，苟言归正传，验证码识别主要分两部分图像分割和识别。其中，分割验证码是最麻烦的，因为基本没有一劳永逸的分割方法。原blog在这里>> https://github.com/100steps/B... 因为访问Github太慢所以重新上传了图片，下面才是正文。。这个锅本来是若花的，然而不知不觉就甩我背上了。你...

W4n9Hu1 2019-07-30 14:33 评论0 收藏0
Python数据挖掘与机器学习技术入门实战

摘要：在本次课程中，着重讲解的是传统的机器学习技术及各种算法。回归对连续型数据进行预测趋势预测等除了分类之外，数据挖掘技术和机器学习技术还有一个非常经典的场景回归。摘要：什么是数据挖掘？什么是机器学习？又如何进行Python数据预处理？本文将带领大家一同了解数据挖掘和机器学习技术，通过淘宝商品案例进行数据预处理实战，通过鸢尾花案例介绍各种分类算法。课程主讲简介：韦玮，企业家，资深IT领...

ephererid 2019-07-30 16:14 评论0 收藏0