手写数字识别的实现方式很多。

Home / C++ MrLee 2016-9-25 3162

【思路】
1.特征提取
将图像划分为5*5大小的区域,然后计算该区域内黑色(或白色)的像素点所占比例。
将需要测试的图像、用来分类的图像都进行特征提取。

shibie


2.计算当前的测试图像与用来分类的图像之间的欧氏距离。
3.找出欧式距离最小的值即为与当前测试图像最匹配的图像,即将该图像所代表的数字作为当前测试图像的结果。
4.为了处理上的方便,做了简化处理如下:
4.1仅仅选用10幅用来分类的图像。
在实际应用中,10幅图像远远是不够的。但是为了简化程序,这里仅仅选用10幅图像,即数字0~9每个数字仅仅选用了一个特征。
在实际系统内,当选用的特征图像越多时,系统的准确度越高。
4.2采用了最近邻。即选用欧式距离最小的图像作为当前测试图像的结果。
在实际系统中,往往需要采用K近邻,即选择最小的K个欧式距离,判断他们分别属于哪个类从而决定当前数字结果。
因为简化的原因,数字识别的正确率不是很高。但是基本能够满足学习的需求。
【部分代码】
该系统采用QT+OpenCV开发完成,部分代码如下:
【主类内变量及槽函数】
public:
    explicit MainWindow(QWidget *parent = 0);
    ~MainWindow();
    cv::Mat testImage,srcImage[10],tempImage;//testImage值要测试的数字图像,srcImage指已经有的用来实现分类的数字图像
    QImage img;
    float testFeature[25];//该数组用来存储待检测数字图像的特征值。
    float srcFeature[10][25];//用来存储原始数字图像的特征值。只有10个数字0~9的图像
    void getFeature(cv::Mat m,float a[25]);//这里定义一个获取图像特征的函数。
    float ouDistance(float a[25],float b[25]);
    float oDistance(float a[25],float b[25]);
private slots: void on_openLenaJpg_triggered();
void on_exitSystem_triggered();
void on_openCustomeFile_triggered();
void on_restoreFile_triggered();
void on_copyright_triggered();
void on_about_triggered();
void on_showImage_triggered();
void on_showMessage_triggered();
void on_ImageAndMessage_triggered();
【打开自定义路径待测图像】
void MainWindow::on_openCustomeFile_triggered()
{
    QString filename = QFileDialog::getOpenFileName(this,tr("Open Image"),"",tr("Image File(*.bmp *.jpg *.jpeg *.png)"));
    QTextCodec *code = QTextCodec::codecForName("gb18030");
    std::string name = code->fromUnicode(filename).data();
    testImage = cv::imread(name);
    if(!testImage.data)
    {
        QMessageBox msgBox;
        msgBox.setText(tr("未找到数据"));
        msgBox.exec();
    }
    else
    {
        cv::cvtColor(testImage,testImage,CV_BGR2RGB);
        img = QImage((const unsigned char*)(testImage.data),testImage.cols,testImage.rows, testImage.cols*testImage.channels(), QImage::Format_RGB888);
        ui->label1->clear();
        img=  img.scaled(ui->label1->width(), ui->label1->height());
        ui->label1->setPixmap(QPixmap::fromImage(img));
        //ui->processPushButton->setEnabled(true);
        //   ui->label1->resize(ui->label1->pixmap()->size());//设置当前标签为图像大小
        // ui->label1->resize(img.width(),img.height());
//this->setWidget(label1); } }
【图像特征提取:完成图像5*5=25个特征,每个特征表示该子区域内白像素个数】
void MainWindow::getFeature(cv::Mat m,float a[25])
{
    int M,N;  //用来存储图像m的宽高
    int i,j;
    M=m.cols;
    N=m.rows;
    for(i=0;i<25;i++)
        a[i]=0;
    //   QMessageBox::information(NULL, "Title", QString::number(m.at<uchar>(188,88)), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
    for(i=0;i<M;i++)
        for(j=0;j<N;j++)
            if(m.at<uchar>(i,j)==255)
            {
                //   a[i/5*5+j/5]++;   //这里计算错误,不能放入对应的特征值内
                //    QMessageBox::information(NULL, "Title", QString::number(5), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
// a[M/i*5+N/j]++; //a[M/(i+1)*5+N/(j+1)]++; a[i/(M/5)*5+j/(N/5)]++; // QMessageBox::information(NULL, "Title","add", QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); } for(i=0;i<25;i++) { // QMessageBox::information(NULL, "Title", QString::number(a[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); a[i]=a[i]/((M/5)*(N/5)); // QMessageBox::information(NULL, "Title", QString::number(a[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); // QMessageBox::information(NULL, "Title", QString::number(5), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
} // QMessageBox::information(NULL, "Title", QString::number(a[5]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
}
【欧氏距离计算,第二个函数是测试用的】
float MainWindow::ouDistance(float a[25],float b[25])   //这个函数居然忘记写MainWindow的类关系,调试好久,瀑布汗!
{
    int i;
    float distance=0;//开始忘记置零,出错呀!!!
    for(i=0;i<25;i++)
        distance+=(a[i]-b[i])*(a[i]-b[i]);
    distance=sqrt(distance);
    return distance;
}
float  MainWindow::oDistance(float a[25],float b[25])   //这个函数是ouDistance出问题时测试的,并没有用
{
    int i;
    float distance=0;   //开始忘记置零,出错呀!!!
    //,为了测试ouDistance函数,重写了oDistance发现问题,结果再次出现问题一直却一直在此函数修改。而调用函数用的还是ouDistance
for(i=0;i<25;i++) distance+=(a[i]-b[i])*(a[i]-b[i]); distance=sqrt(distance); return distance; }
【说明】
void MainWindow::on_copyright_triggered()
{
    QMessageBox::information(this,"版权",tr("本软件版权所有者为:天津职业技术师范大学。如果使用,请联系:lilizong#gmail"));
}
void MainWindow::on_about_triggered() { QMessageBox::information(this,"关于",tr("本软件当前版本为1.0,由李立宗等人开发。如果有问题,欢迎联系:lilizong#gmail")); return; }
【显示测试结果:一个图像、一个信息框】
void MainWindow::on_ImageAndMessage_triggered()
{
    int i;
    float min; //用来存储最小的欧式距离
    int mini;   //用来存储最小的欧氏距离的数字号。
    getFeature(testImage,testFeature);   //获取测试图像的特征值,并将其放到testFeature数组内。
    //  QMessageBox::information(NULL, "Title", QString::number(testFeature[6]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
    //测试当前的testFeature是否正常
    /*
    for(i=0;i<25;i++)
     QMessageBox::information(NULL, "Title", QString::number(testFeature[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
*/
    //  QMessageBox::information(NULL, "Title", QString::number(testImage.rows), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
    for(i=0;i<10;i++)
    {
        QString filePath,fileName,allName;
        filePath="image//stand//";    //当前图像目录
        fileName=".bmp";       //当前图像的扩展名
        allName=filePath+"//"+QString::number(i)+fileName;  //i是文件名,使用QString::number(i)完成将其转换为QString类型,当前为数值型
        String s=allName.toStdString();    //转换为标准的字符串型,imread不识别QString类型
        srcImage[i] = cv::imread(s);
    }
//以下部分用于测试上述代码是否能够将srcImage的值获取到。 /* cv::cvtColor(srcImage[3],srcImage[3],CV_BGR2RGB); img = QImage((const unsigned char*)(srcImage[3].data),srcImage[1].cols,srcImage[1].rows, srcImage[1].cols*srcImage[1].channels(), QImage::Format_RGB888); ui->label1->clear(); img= img.scaled(ui->label1->width(), ui->label1->height()); ui->label1->setPixmap(QPixmap::fromImage(img)); */
// 获取原始数字图像的特征值。 for(i=0;i<10;i++) getFeature(srcImage[i],srcFeature[i]); /* for(i=0;i<25;i++) QMessageBox::information(NULL, "Title", QString::number(srcFeature[0][i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); */ float ouDistanceValue[10]={0}; //存储当前测试图像与已知的十个数字图像之间的欧氏距离 for(i=0;i<10;i++) { ouDistanceValue[i]=ouDistance(testFeature,srcFeature[i]); // ouDistanceValue[i]=i; }
//总是不能得到结果,测试下ouDistance有没有问题。 /* for(i=0;i<10;i++) QMessageBox::information(NULL, "Title", QString::number(ouDistanceValue[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); */ mini=0; min=ouDistanceValue[0]; //给min赋个初始值,假设与数字0的距离最小。 for(i=0;i<10;i++) { if(min>ouDistanceValue[i]) { min=ouDistanceValue[i]; mini=i; } } // QMessageBox::information(NULL, "Title", QString::number(mini), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); //上述语句测试一下mini是否能够取得正确的值 //将与当前测试图像匹配的图像显示在label2内 cv::cvtColor(srcImage[mini],srcImage[mini],CV_BGR2RGB); img = QImage((const unsigned char*)(srcImage[mini].data),srcImage[mini].cols,srcImage[mini].rows, srcImage[mini].cols*srcImage[mini].channels(), QImage::Format_RGB888); ui->label2->clear(); img= img.scaled(ui->label2->width(), ui->label2->height()); ui->label2->setPixmap(QPixmap::fromImage(img)); //将当前图像的匹配结果显示在一个消息框内 QMessageBox::information(NULL, "测试结果", "当前测试图像的识别结果为数字:"+QString::number(mini), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes); }

本文链接:https://www.it72.com/10563.htm

推荐阅读
最新回复 (0)
返回