#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
//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);
}
}
}
//利用fisher算法进行2类分类
int Fisher2Classes(int class0,int class1)
{
double xMeans[2][25]; //均值
double S[2][25][25]; //类内离散度矩阵
double SW[25][25];//类间离散度矩阵
double SW_[25][25]; //SW的逆矩阵
double w[25]; //解向量
double diffXMeans[25]; //均值差
double X[25]; //测试样品
//计算两类样本的均值
for(int i=0;i<2;i++)
for(int j=0;j<25;j++)
xMeans[i][j]=0;
for(int i=0;i<ptns[class0].number;i++)
for(int j=0;j<25;j++)
xMeans[0][j]+=ptns[class0 ].feature[i][j];
for(int i=0;i<ptns[class1].number;i++)
for(int j=0;j<25;j++)
xMeans[1][j]+=ptns[class1].feature[i][j];
for(int i=0;i<25;i++)
{
xMeans[0][i]/=(double)ptns[class0].number;
xMeans[1][i]/=(double)ptns[class1].number;
}
//计算类内离散度矩阵
for(int i=0;i<25;i++)
for(int j=0;j<25;j++)
{
double s0=0,s1=0;
for(int k=0;k<ptns[class0].number;k++)
s0+=(ptns[class0].feature[k][i]-xMeans[0][i])*(ptns[class0].feature[k][j]-xMeans[0][j]);
s0/=(double)(ptns[class0].number-1);
S[0][i][j]=s0;
for(int k=0;k<ptns[class1].number;k++)
s1+=(ptns[class1].feature[k][i]-xMeans[1][i])*(ptns[class1].feature[k][j]-xMeans[1][j]);
s1/=(double)(ptns[class1].number-1);
S[1][i][j]=s1;
}
//类间离散度矩阵
for(int i=0;i<25;i++)
for(int j=0;j<25;j++)
{
SW[i][j]=S[0][i][j]+S[1][i][j];
SW_[i][j]=SW[i][j];
}
//SW的逆矩阵
double (*p)[25]=SW_;
brinv(*p,25);
//计算W
for(int i=0;i<25;i++)
diffXMeans[i]=xMeans[0][i]-xMeans[1][i];
for(int i=0;i<25;i++)
w[i]=0.0;
brmul(SW_,diffXMeans,25,w);
//映射后的样品均值
double m0=0,m1=0;
for(int i=0;i<ptns[class0].number;i++)
m0+=brmul(w,ptns[class0].feature[i],25);
for(int i=0;i<ptns[class1].number;i++)
m1+=brmul(w,ptns[class1].feature[i],25);
m0/=(double)ptns[class0].number;
m1/=(double)ptns[class1].number;
double y0=(ptns[class0].number*m0+ptns[class1].number*m1)/(ptns[class0].number+ptns[class1].number);
for(int i=0;i<25;i++)
X[i]=testsample[i];
double y=brmul(w,X,25);
if(y>=y0) return class0;
else return class1;
}
int Fisher()
{
int num[10];
for(int i=0;i<10;i++)
num[i]=0;
//每两类进行比较
for(int i=0;i<10;i++)
for(int j=0;j<10;j++)
num[Fisher2Classes(i,j)]++;
//求最大值
int maxVal=num[0];
int ret=0;
for(int i=1;i<10;i++)
if(maxVal<num[i])
{
maxVal=num[i];
ret=i;
}
return ret;
}
//势函数法
double K(double X[],double Xk[])
{
double d=0;
for(int i=0;i<25;i++)
d+=(X[i]-Xk[i])*(X[i]-Xk[i]);
return exp(-d);
}
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.png",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",Fisher());
//cvNamedWindow("test",CV_WINDOW_AUTOSIZE);
//imshow("test",image);
waitKey(0);
return 0;
}
图像模式识别之几何分类器(二)
最新推荐文章于 2023-12-28 21:02:27 发布