目标
在本章中
- 我们将利用我们关于 kNN 的知识来构建一个基本的 OCR（光学字符识别）应用程序。
- 我们将在 OpenCV 自带的数字和字母数据上尝试我们的应用程序。
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 自带一个图像 digits.png（在文件夹 opencv/samples/data/ 中），其中包含 5000 个手写数字（每个数字 500 个）。每个数字都是一个 20x20 的图像。因此，我们的第一步是将此图像分割成 5000 个不同的数字图像。然后，对于每个数字（20x20 图像），我们将其展平为具有 400 个像素的单行。这就是我们的特征集，即所有像素的强度值。这是我们可以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，将其他 250 个样本用作测试数据。所以让我们先准备好它们。
import numpy as np
import cv2 as cv
cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]
x = np.array(cells)
train = x[:,:50].reshape(-1,400).astype(np.float32)
test = x[:,50:100].reshape(-1,400).astype(np.float32)
k = np.arange(10)
train_labels = np.repeat(k,250)[:,np.newaxis]
test_labels = train_labels.copy()
knn = cv.ml.KNearest_create()
knn.train(train, cv.ml.ROW_SAMPLE, train_labels)
ret,result,neighbours,dist = knn.findNearest(test,k=5)
matches = result==test_labels
correct = np.count_nonzero(matches)
accuracy = correct*100.0/result.size
print( accuracy )
CV_EXPORTS_W Mat imread(const String &filename, int flags=IMREAD_COLOR_BGR)
从文件加载图像。
void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0, AlgorithmHint hint=cv::ALGO_HINT_DEFAULT)
将图像从一个颜色空间转换为另一个颜色空间。
所以我们基本的 OCR 应用程序已经准备好了。这个特殊的例子给了我 91% 的准确率。提高准确率的一种方法是添加更多数据进行训练，尤其是对于那些我们有更多错误的数字。
与其每次启动应用程序时都寻找这些训练数据，不如保存它，这样下次我可以直接从文件中读取这些数据并开始分类。这可以通过一些 Numpy 函数来完成，例如 np.savetxt、np.savez、np.load 等。请查看 NumPy 文档以获取更多详细信息。
np.savez('knn_data.npz',train=train, train_labels=train_labels)
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，它占用大约 4.4 MB 的内存。由于我们使用强度值（uint8 数据）作为特征，因此最好首先将数据转换为 np.uint8，然后保存它。在这种情况下，它只占用 1.1 MB。然后在加载时，您可以转换回 float32。
英文字母的 OCR
接下来我们将对英文字母做同样的事情，但是数据和特征集略有变化。在这里，OpenCV 不是提供图像，而是提供一个数据文件 letter-recognition.data，位于 opencv/samples/cpp/ 文件夹中。如果您打开它，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，它是我们的标签。后面的 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 中找到这些特征的详细信息。
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。我们应该将字母更改为 ascii 字符，因为我们不能直接处理字母。
import cv2 as cv
import numpy as np
data= np.loadtxt('letter-recognition.data', dtype= 'float32', delimiter = ',',
converters= {0: lambda ch: ord(ch)-ord('A')})
train, test = np.vsplit(data,2)
responses, trainData = np.hsplit(train,[1])
labels, testData = np.hsplit(test,[1])
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 )
它给了我 93.22% 的准确率。同样，如果您想提高准确率，您可以迭代地添加更多数据。
附加资源
- 关于光学字符识别的维基百科文章
练习
- 这里我们使用了 k=5。如果您尝试其他 k 值会发生什么？你能找到一个使准确率最大化（最小化错误数）的值吗？
1.12.0