opencv python 基于KNN的手写体识别

wing324 发布于2019-07-30 17:17 / 1530人阅读

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手写数字的应用程序, 为此，我们需要一些train_data和test_data. OpenCV附带一个images digits.png（在文件夹opencvsourcessamplesdata中），它有5000个手写数字（每个数字500个,每个数字是20x20图像）.所以首先要将图片切割成5000个不同图片,每个数字变成一个单行400像素.前面的250个数字作为训练数据，后250个作为测试数据.

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

img = cv2.imread("digits.png")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# Now we split the image to 5000 cells, each 20x20 size
cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]

# Make it into a Numpy array. It size will be (50,100,20,20)
x = np.array(cells)

# Now we prepare train_data and test_data.
train = x[:,:50].reshape(-1,400).astype(np.float32) # Size = (2500,400)
test = x[:,50:100].reshape(-1,400).astype(np.float32) # Size = (2500,400)

# Create labels for train and test data
k = np.arange(10)
train_labels = np.repeat(k,250)[:,np.newaxis]
test_labels = train_labels.copy()

# Initiate kNN, train the data, then test it with test data for k=1
knn = cv2.ml.KNearest_create()
knn.train(train, cv2.ml.ROW_SAMPLE, train_labels)
ret,result,neighbours,dist = knn.findNearest(test,k=5)

# Now we check the accuracy of classification
# For that, compare the result with test_labels and check which are wrong
matches = result==test_labels
correct = np.count_nonzero(matches)
accuracy = correct*100.0/result.size
print( accuracy )

输出：91.76

进一步提高准确率的方法是增加训练数据,特别是错误的数据.每次训练时最好是保存训练数据,以便下次使用.

# save the data
np.savez("knn_data.npz",train=train, train_labels=train_labels)

# Now load the data
with np.load("knn_data.npz") as data:
    print( data.files )
    train = data["train"]
    train_labels = data["train_labels"]

OCR of English Alphabets

在opencv / samples / data /文件夹中附带一个数据文件letter-recognition.data.在每一行中,第一列是一个字母表,它是我们的标签. 接下来的16个数字是它的不同特征.

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


# Load the data, converters convert the letter to a number
data= np.loadtxt("letter-recognition.data", dtype= "float32", delimiter = ",",
                    converters= {0: lambda ch: ord(ch)-ord("A")})

# split the data to two, 10000 each for train and test
train, test = np.vsplit(data,2)

# split trainData and testData to features and responses
responses, trainData = np.hsplit(train,[1])
labels, testData = np.hsplit(test,[1])

# Initiate the kNN, classify, measure accuracy.
knn = cv2.ml.KNearest_create()
knn.train(trainData, cv2.ml.ROW_SAMPLE, responses)
ret, result, neighbours, dist = knn.findNearest(testData, k=5)

correct = np.count_nonzero(result == labels)
accuracy = correct*100.0/10000
print( accuracy )

输出：93.06

云服务器 GPU云服务器基于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/42127.html

opencv python 基于SVM的手写体识别

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 ...

seanHai 2019-07-30 17:18 评论0 收藏0
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+mtcnn+facenet+python+tensorflow 实现实时人脸识别

摘要：实现实时人脸识别本文记录了在学习深度学习过程中，使用，开发环境为，实现局域网连接手机摄像头，对目标人员进行实时人脸识别，效果并非特别好，会继续改进这里是项目地址项目中用到的大文件地址如果各位老爷看完觉得对你有帮助的话，请给个小星星，当前时间 opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别 Abstract:本文记录了在学习深度学习过程中，...

megatron 2019-07-30 17:19 评论0 收藏0
opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别(20

摘要：实现实时人脸识别更新新增测试方法直接使用特征进行计算对比此次更新主要想法上一个版本是使用对准备好的若干张照片进行训练，首先准确率不是很高还没细究问题，猜测原因是自己准备的图片问题，以及实时采集实时的环境影响，但最主要的原因还是对每个目标对象 opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别(2018.9.26更新) 新增测试方法直接使用em...

jindong 2019-07-30 17:55 评论0 收藏0