使用kNN算法对魔方颜色进行分类

该博客介绍了一个使用kNN算法对魔方颜色进行分类的方法。首先,通过OpenCV处理魔方图像,然后随机采样得到训练数据。接着详细解释了kNN算法的原理,并展示了代码实现,包括颜色的曼哈顿距离计算。最后,进行了结果分析,讨论了改变K值的影响以及随机采样导致的不确定性。
摘要由CSDN通过智能技术生成

1. 数据处理

使用opencv中的方法读取魔方6个面的图片数据,对图像数据进行分割得到魔方6个面的像素数据。由于图像有噪点,故使用高斯平滑对图像进行平滑去噪得到魔方图像数据。

 

图一 原始图片

  

图二 处理后图片

2. 数据获取

对魔方每个面中心点尽心随机采样得到训练数据,对其他各个色块进行随机采样作为需预测数据。

3. KNN算法

所谓K近邻算法,即是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(也就是上面所说的K个邻居),这K个实例的多数属于某个类,就把该输入实例分类到这个类中。

 

图三 kNN示意图

本文所使用具体方法:对每个像素点进行曼哈顿距离计算,作为数据的相似性;统计每个色块的识别数量并进行判断得到最终的识别结果判断。

4. 代码实现

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值