目标

在本章节

我们将利用我们的 kNN 知识构建一个基本的 OCR（光学字符识别）应用程序。
我们将在 OpenCV 提供的数字和字母数据上试用我们的应用程序。

手写数字的 OCR

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，我们需要一些训练数据和一些测试数据。OpenCV 提供了一张图像 digits.png（位于文件夹 opencv/samples/data 中），其中包含 5000 个手写数字（每个数字 500 个）。每个数字都是一张 20x20 的图像。所以我们的第一步是将此图像分割为 5000 张不同的数字图像。然后对于每个数字（20x20 图像），我们将它展平成一行，包含 400 个像素。那就是我们的特征集，即所有像素的强度值。这是我们能创建的最简单的特征集。我们将每个数字的前 250 个样本用作训练数据，另 250 个样本用作测试数据。所以我们先准备它们。

导入 numpy 作为 np
导入 cv2 作为 cv
 
img = cv.imread('digits.png')
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
 
# 现在我们将图像分割为 5000 个单元，每个大小为 20x20
cells = [np.hsplit(row,100) 对于 row 在 np.vsplit(gray,50)]
 
# 将其制作成一个 Numpy 数组：其大小将为 (50,100,20,20)
x = np.array(cells)
 
# 现在准备训练数据和测试数据
train = x[:,:50].reshape(-1,400).astype(np.float32) # 大小 = (2500,400)
test = x[:,50:100].reshape(-1,400).astype(np.float32) # 大小 = (2500,400)
 
# 为训练数据和测试数据创建标签
k = np.arange(10)
train_labels = np.repeat(k,250)[:,np.newaxis]
test_labels = train_labels.copy()
 
# 初始化 kNN，使用训练数据对其进行训练，然后使用测试数据和 k=1 对其进行测试
knn = cv.ml.KNearest_create()
knn.train(train, cv.ml.ROW_SAMPLE, train_labels)
ret,result,neighbours,dist = knn.findNearest(test,k=5)
 
# 现在检查分类的准确性
# 为此，将结果与 test_labels 进行比较并检查哪些是错误的
matches = result==test_labels
correct = np.count_nonzero(matches)
accuracy = correct*100.0/result.size
print( accuracy )

因此，我们的基本的 OCR 应用程序已准备完毕。此具体示例使我的准确率达到 91%。提高准确率的一个选择是增加更多用于训练的数据，特别是对于出现更多错误的数字。

与其每次启动应用程序时都查找该训练数据，不如将其保存下来，以便下次，我可以直接从文件读取该数据并开始对进行分类。可以借助一些 Numpy 函数来实现此目的，例如 np.savetxt、np.savez、np.load 等。有关详细信息，请查看 NumPy 文档。

# 保存数据
np.savez('knn_data.npz',train=train, train_labels=train_labels)
 
# 现在加载数据
with np.load('knn_data.npz') as data
print( data.files )
train = data['train']
train_labels = data['train_labels']

在我的系统中，它占用了大约 4.4 MB 的内存。由于我们使用强度值（unit8 数据）作为特征，最好先将数据转换为 np.unit8，然后将其保存。在这种情况下，它仅占用 1.1 MB。然后在加载时，您可以转换 zurück 为 float32。

英文字母的 OCR

接下来，我们将对英文字母执行相同操作，但在数据和特征集方面略有更改。在此处，OpenCV 提供数据文件 letter-recognition.data（位于 opencv/samples/cpp/ 文件夹中），而不是图像。如果您将其打开，您将看到 20000 行，乍一看可能看起来像垃圾。实际上，在每一行中，第一列是一个字母，这是我们的标签。紧随其后的 16 个数字是不同的特征。这些特征是从 UCI 机器学习存储库获得的。您可以在此页面上找到这些功能的详细信息。

有 20000 个样本可用，因此我们取前 10000 个作为训练样本，其余 10000 个作为测试样本。我们应该将字母转换成 ascii 字符，因为我们不能直接使用字母。

导入 cv2 作为 cv
导入 numpy 作为 np
 
# 加载数据并将字母转换为数字
data= np.loadtxt('letter-recognition.data', dtype= 'float32', delimiter = ',',
converters= {0: lambda ch: ord(ch)-ord('A')})
 
# 将数据集分成两部分，每个部分有 10000 个样本，用于训练和测试集
train, test = np.vsplit(data,2)
 
# 将 trainData 和 testData 分成特征和响应
responses, trainData = np.hsplit(train,[1])
labels, testData = np.hsplit(test,[1])
 
# 初始化 kNN，分类，测量准确度
knn = cv.ml.KNearest_create()
knn.train(trainData, cv.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 )

它给我的准确性为 93.22%。同样地，如果你要提高准确性，你可以逐步添加更多数据。

其他资源

光学字符识别的维基百科文章

练习

这里我们使用了 k=5。如果你尝试其他 k 值时会发生什么？你能找到一个可以最大化准确性（最小化错误数量）的值吗？