OpenCV 2.4+ C++ SVM文字識別

預備知識

下面兩個都不是必備知識，但是如果你想了解更多內容，可參考這兩篇文章。

OpenCV 2.4+ C++ SVM介紹

OpenCV 2.4+ C++ SVM線性不可分處理

 

SVM划分的意義

到此，我們已經對SVM有一定的了解了。可是這有什么用呢？回到上一篇文章結果圖：

這個結果圖的意義在於，他成功從二維划分了分類的區域。於是如果以后，有一個新的樣本在綠色區域，那么我們就可以把他當成是綠色的點。

由於這可以像更高維度推廣，所以如果我們能對樣品映射成高維度空間的點，當有足夠多的樣品時，我們同樣可以找到一個高維度的超平面划分，使得同一類樣品的映射點在同一區域，於是當有新樣品落在這些區域是，我們可以把它當成是這一類型的樣本。

 

通俗一點

可能我們能更加通俗一點。比如我們來識別男性和女性。

我們發現男性和女性可能頭發長度不一樣，可能胸圍不一樣，於是我們對樣本個體產生這樣的一種映射：

　　　　人 —> （頭發長度, 胸圍）

於是我們將每個樣品映射到二維平面，其中“頭發的長度”和“胸圍的長度”分別是x軸和y軸。我們把這些樣品丟給SVM學習，則他會尋找出一個合理的x和y的區域來划分男性和女性。

當然，也有可能有些男的頭發比女的還長，有的男性的胸圍比女性還大，這些就是錯分點，它們也影響着划分。

最后，當我們把一個人映射到這個二維空間時，SVM就可以根據以往的學習，猜一猜這個人到底是什么性別。

我們學到了什么呢？

好吧，特征要找准一點，否則可能遇到下面的悲劇……

如果這是老板，你可就死翹翹了……

 

簡單的文字識別

當然計算機沒那么厲害能看出你的胸圍或者頭發長短。他需要一些他能讀懂的東西，特別計算機通常“看到”的是下面的這種東東……

我們需要對文字找到他的特征，來映射到高維空間。

還記得小學時候練字的米字格么？這似乎暗示了我們，雖然每個人寫的字千差萬別，但是他們卻具有一定的特點。

我們嘗試這樣做，取一個字，選取一個包含該字的正方形區域，將這個正方形區域分割成8*8個小格，統計每個小格中像素的數量，以這些數量為維度進行映射。

OK，明白了原理讓我們開始吧。

被提醒了，那么補充一句：這個例子在實際中用來辨認是不可行的。

 

樣本獲取

由於通常文字樣本都是白底黑字的，而手寫也可以直接獲取寫入的數據而無視背景，所以我們並不需要對樣本進行提取，但我們需要對他定位，並弄成合適的大小。

比如，你沒法避免有人這么寫字……

坑爹啊，好好的那么大地方你就躲在左上角……

 

開始定位

void getROI(Mat& src, Mat& dst){
    int left, right, top, bottom;
    left = src.cols;
    right = 0;
    top = src.rows;
    bottom = 0;

    //得到區域
    for(int i=0; i<src.rows; i++)
    {
        for(int j=0; j<src.cols; j++)
        {
            if(src.at<uchar>(i, j) > 0)
            {
                if(j<left) left = j;
                if(j>right) right = j;
                if(i<top) top = i;
                if(i>bottom) bottom = i;
            }
        }
    }

    int width = right - left;
    int height = bottom - top;

    //創建存儲矩陣
    dst = Mat::zeros(width, height, CV_8UC1);

    Rect dstRect(left, top, width, height);
    dst(dstRect);
}

這段代碼通過遍歷所有圖像矩陣的元素，來獲取該樣本的定位和大小。並把樣本提取出來。

 

重新縮放

Mat dst = Mat::zeros(8, 8, CV_8UC1);
resize(src, dst, dst.size());

進行縮放，把所有樣本變成8*8的大小。為了簡便，我們把像素多少變成了像素的灰度值。

resize的API：

調整圖片大小

C++:  void  resize (InputArray  src, OutputArray  dst, Size  dsize, double  fx=0, double  fy=0, int  interpolation=INTER_LINEAR  )

參數	src – 輸入圖像。 dst – 輸出圖像；它有一個dsize (當其不為0時) 或者這個size由 src.size()，fx和fy算出。dst的類型和src相同。 dsize – 輸出圖像的大小，如果取值為0，則： dsize或者fx和fy必須有一種大小決定方法不為0。 fx – 水平軸縮放因子，當取值為0時，則為： fy – 垂直軸縮放因子，當取值為0時，則為： interpolation – 插值方法 INTER_NEAREST - 最近鄰值插入方法。 INTER_LINEAR - 雙線性插值（默認方式）。 INTER_AREA - 使用象素關系重采樣。當圖像縮小時候，該方法可以避免波紋出現。當圖像放大時，類似於 CV_INTER_NN 方法。 INTER_CUBIC - 立方插值。 INTER_LANCZOS4 - 8x8的Lanczos插入方法。

 

准備樣本數據

Mat data = Mat::zeros(total, 64, CV_32FC1);    //樣本數據矩陣  
Mat res = Mat::zeros(total, 1, CV_32SC1);    //樣本標簽矩陣

res.at<double>(k, 1) = label;    //對第k個樣本添加分類標簽

//對第k個樣本添加數據
for(int i = 0; i<8; i++)  {  
    for(int j = 0; j<8; j++)  {  
        res.at<double>(k, i * 8 + j) = dst.at<double>(i, j);  
    }  
}

將剛剛的結果，輸入樣本，並加上標簽。

 

訓練

CvSVM svm = CvSVM();   
CvSVMParams param;   
CvTermCriteria criteria;  
  
criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000,  FLT_EPSILON);   
param= CvSVMParams(CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);   
  
svm.train(data, res, Mat(), Mat(), param);  
svm.save( "SVM_DATA.xml" );  

開始訓練並保存訓練數據。

 

使用

CvSVM svm = CvSVM();   
svm.load( "SVM_DATA.xml" );
svm.predict(m);        //對樣本向量m檢測

 

 參考資料

 使用OPENCV訓練手寫數字識別分類器 . firefight . 2011-05-28