#include "cv.h"
#include "highgui.h"
#include "utils.h"
#include<stack>
using namespace cv;
using namespace std;
#define PI 3.1415926
#define RADIAN(angle) ((angle)*PI/180.0)
struct pattern
{
int number; //该类型数字样品个数
double feature[200][25];//该类型数字样品特征,每个特征为25维
pattern()
{
number=0;
}
};
struct Position
{
int bottom;
int top;
int left;
int right;
};
pattern ptns[10]; //一共10个数字
double testsample[25]; //手写数字的特征 25维
double loss[10][10]; //风险矩阵
//判断手写数字可否保存为cls类别的一个样品 同一类别不能有重复
bool savable(int cls)
{
for(int i=0;i<ptns[cls].number;i++)
{
bool flag=true;
for(int j=0;j<25;j++)
flag&=(fabs(ptns[cls].feature[i][j]-testsample[j])<0.0000001 ? true:false);
if(flag) return false;
}
return true;
}
//将手写数字保存为cls类别中的一个样品
void Save(int cls)
{
for(int i=ptns[cls].number;i>0;i--)
for(int j=0;j<25;j++)
ptns[cls].feature[i][j]=ptns[cls].feature[i-1][j];
for(int j=0;j<25;j++)
ptns[cls].feature[0][j]=testsample[j];
ptns[cls].number++;
}
//计算手写数字的在图片中出现的位置
Position GetPosition(Mat& mat)
{
int M=mat.rows;
int N=mat.cols;
bool flag=false;
int i,j;
Position ret;
//top
for(i=0;i<M-1;i++)
{
flag=false;
for(j=0;j<N;j++)
{
if(mat.at<uchar>(i,j)<128)
{
flag=true;
break;
}
}
if(flag) break;
}
ret.top=i;
//bottom
for(i=M-1;i>0;i--)
{
flag=false;
for(j=0;j<N;j++)
{
if(mat.at<uchar>(i,j)<128)
{
flag=true;
break;
}
}
if(flag) break;
}
ret.bottom=i;
//left
for(j=0;j<N-1;j++)
{
flag=false;
for(i=0;i<M;i++)
{
if(mat.at<uchar>(i,j)<128)
{
flag=true;
break;
}
}
if(flag) break;
}
ret.left=j;
for(j=N-1;j>0;j--)
{
flag=false;
for(i=0;i<M;i++)
{
if(mat.at<uchar>(i,j)<128)
{
flag=true;
break;
}
}
if(flag) break;
}
ret.right=j;
return ret;
}
double Cal(int row,int col,Position pos,Mat& mat)
{
int w,h;
w=(pos.right-pos.left)/5;
h=(pos.bottom-pos.top)/5;
int count=0;
for(int i=pos.top+row*h;i<pos.top+(row+1)*h;i++)
{
for(int j=pos.left+col*w;j<pos.left+(col+1)*w;j++)
{
if(mat.at<uchar>(i,j)<128)
count++;
}
}
return ((double)count)/(w*h);
}
//将手写数字特征保存在变量testsample中
void SetFeature(Mat& mat,Position pos)
{
for(int i=0;i<5;i++)
{
for(int j=0;j<5;j++)
{
testsample[5*i+j]=Cal(i,j,pos,mat);
}
}
}
//基于二值的贝叶斯
int Bayes()
{
double pw[10]; //p(wj)=Nj/N
double p[10][25]; //pj(wi)
double pxw[10]; //p(X|wj)
double pwx[10]; //p(wj|X)
//先验概率
int N=0;
for(int i=0;i<10;i++)
N+=ptns[i].number;
for(int i=0;i<10;i++)
pw[i]=(double)ptns[i].number/N;
//类条件概率
for(int i=0;i<10;i++)
{
for(int j=0;j<25;j++)
{
int numOfOnes=0;
for (int k=0;k<ptns[i].number;k++)
numOfOnes+=(ptns[i].feature[k][j]>0.1?1:0);
p[i][j]=(double)(numOfOnes+1)/(ptns[i].number+2);
}
}
for(int i=0;i<10;i++)
{
double temp=1.0;
for(int j=0;j<25;j++)
{
temp*=(testsample[j]>0.1?p[i][j]:1-p[i][j]);
}
pxw[i]=temp;
}
//后验概率
double PX=0.0;
for(int i=0;i<10;i++)
PX+=pw[i]*pxw[i];
double maxP=0.0;
int ret;
for(int i=0;i<10;i++)
{
pwx[i]=pw[i]*pxw[i]/PX;
if(pwx[i]>maxP)
{
maxP=pwx[i];
ret=i;
}
}
return ret;
}
//基于最小错误率的贝叶斯
int BayesLeastError()
{
double X[25];
double XMeans[25]; //均值
double S[25][25]; //协方差矩阵
double S_[25][25]; //S的逆矩阵
double pw;//先验概率
double hx[10]; //判别函数
int total=0;
for(int i=0;i<10;i++)
total+=ptns[i].number;
for(int n=0;n<10;n++) //循环类别0-9
{
//计算均值
for(int i=0;i<25;i++)
XMeans[i]=0.0;
for(int k=0;k<ptns[n].number;k++)
for(int i=0;i<25;i++)
XMeans[i]+=(ptns[n].feature[k][i]>0.1?1.0:0.0);
for(int i=0;i<25;i++)
XMeans[i]/=(double)ptns[n].number;
//计算协方差矩阵 注意如果样本数不大于特征维数的话,协方差矩阵会不可逆
double mode[200][25];
for(int i=0;i<ptns[n].number;i++)
for(int j=0;j<25;j++)
mode[i][j]=(ptns[n].feature[i][j]>0.1?1.0:0.0);
for(int i=0;i<25;i++)
for(int j=0;j<25;j++)
{
double s=0.0;
for(int k=0;k<ptns[n].number;k++)
s+=(mode[k][i]-XMeans[i])*(mode[k][j]-XMeans[j]);
s/=(double)(ptns[n].number-1);
S[i][j]=s;
}
//计算先验概率
pw=(double)ptns[n].number/total;
//计算S的逆矩阵
for(int i=0;i<25;i++)
for(int j=0;j<25;j++)
S_[i][j]=S[i][j];
double (*p)[25]=S_;
brinv(*p,25);
//计算S的行列式
double (*pp)[25]=S;
double DetS;
DetS=bsdet(*pp,25);
//判别函数
for(int i=0;i<25;i++)
X[i]=(testsample[i]>0.1?1.0:0.0);
for(int i=0;i<25;i++)
X[i]-=XMeans[i];
double t[25];
for(int i=0;i<25;i++)
t[i]=0.0;
brmul(X,S_,25,t);
double t1=brmul(t,X,25);
double t2=log(pw);
double t3=log(DetS+1);
hx[n]=-t1/2+t2-t3/2;
}
double maxVal=hx[0];
int ret=0;
for(int n=1;n<10;n++)
{
if(hx[n]>maxVal)
{
maxVal=hx[n];
ret=n;
}
}
return ret;
}
//基于最小风险的贝叶斯
int BayesLeastRisk()
{
double X[25];
double XMeans[25];
double S[25][25];
double S_[25][25];
double P[10];
double pw;
double hx[10];
int total =0;
for(int i=0;i<10;i++)
total+=ptns[i].number;
for(int n=0;n<10;n++)
{
//均值
for(int i=0;i<10;i++)
XMeans[i]=0.0;
for(int k=0;k<ptns[n].number;k++)
for(int i=0;i<25;i++)
XMeans[i]+=ptns[n].feature[k][i]>0.3?1.0:0.0;
for(int i=0;i<25;i++)
XMeans[i]/=(double)ptns[n].number;
//协方差矩阵
double mode[100][25];
for(int i=0;i<ptns[n].number;i++)
for(int j=0;j<ptns[n].number;j++)
mode[i][j]=ptns[n].feature[i][j]>0.3?1.0:0.0;
for(int i=0;i<25;i++)
for(int j=0;j<25;j++)
{
double s=0.0;
for(int k=0;k<ptns[n].number;k++)
s+=(mode[k][i]-XMeans[i])*(mode[k][j]-XMeans[j]);
s/=(double)(ptns[n].number-1);
S[i][j]=s;
}
//先验概率
pw=(double)ptns[n].number/total;
//S的逆矩阵
for(int i=0;i<25;i++)
for(int j=0;j<25;j++)
S_[i][j]=S[i][j];
double (*p)[25]=S_;
brinv(*p,25);
//S的行列式
double (*pp)[25]=S;
double DetS=bsdet(*pp,25);
//判别函数
for(int i=0;i<25;i++)
X[i]=testsample[i]>0.3?1.0:0.0;
for(int i=0;i<25;i++)
X[i]-=XMeans[i];
double t[25];
for(int i=0;i<25;i++)
t[i]=0.0;
brmul(X,S_,25,t);
double t1=brmul(t,X,25);
double t2=log(pw);
double t3=log(DetS+1);
P[n]=-t1/2+t2-t3/2;
}
for(int n=0;n<10;n++)
{
double t=0.0;
for(int i=0;i<10;i++)
t+=loss[n][i]*P[i];
hx[n]=t;
}
double maxVal=hx[0];
int ret=0;
for(int n=1;n<10;n++)
{
if(maxVal<hx[n])
{
maxVal=hx[n];
ret=n;
}
}
return ret;
}
int main()
{
//读取图像
Mat image;
//样本库特征提取
int cls;
char filename[100]="a.txt";
char filePath[100];
FILE* fp=fopen(filename,"r");
while(fscanf(fp,"%d%s",&cls,filePath))
{
if(cls==-1)
break;
Mat image=imread(filePath,CV_LOAD_IMAGE_GRAYSCALE);
Position pos=GetPosition(image);
SetFeature(image,pos);
if(savable(cls))
Save(cls);
}
fclose(fp);
image=imread("testsample.jpg",CV_LOAD_IMAGE_GRAYSCALE);
//计算手写数字的位置
Position pos=GetPosition(image);
//计算手写数字的特征
SetFeature(image,pos);
printf("%d\n",BayesLeastError());
//cvNamedWindow("test",CV_WINDOW_AUTOSIZE);
//imshow("test",image);
waitKey(0);
return 0;
}