使用 SVM 对手写数据进行 OCR 识别 OpenCV-Python v4.7.0

最新推荐文章于 2023-10-20 20:30:00 发布

HIRSHDZ327

最新推荐文章于 2023-10-20 20:30:00 发布

阅读量162

点赞数

分类专栏： OpenCV-Python 4.7.0 说明文档文章标签：支持向量机 ocr opencv

OpenCV-Python 4.7.0 说明文档专栏收录该内容

88 篇文章 9 订阅

订阅专栏

目标

在本章中

我们将重温手写数据 OCR，但将使用 SVM 而不是 kNN。

手写数字的 OCR

在 kNN 中，我们直接使用像素强度作为特征向量。这次我们将使用方向梯度直方图（HOG）作为特征向量。

在找到 HOG 之前，我们先利用图像的二阶矩对图像进行纠偏。因此，我们首先定义了一个函数 deskew()，该函数用于对数字图像进行纠偏。下面是 deskew() 函数：

def deskew(img):
    m = cv.moments(img)
    if abs(m['mu02']) < 1e-2:
        return img.copy()
    skew = m['mu11']/m['mu02']
    M = np.float32([[1, skew, -0.5*SZ*skew], [0, 1, 0]])
    img = cv.warpAffine(img,M,(SZ, SZ),flags=affine_flags)
    return img

下图显示了上述应用于图像的纠偏功能。左图为原始图像，右图为纠偏后的图像。

在这里插入图片描述
接下来，我们必须找到每个单元格的 HOG 描述符。为此，我们要找到每个单元格在 X 和 Y 方向上的 Sobel 导数。然后找出每个像素的梯度大小和方向。该梯度被量化为 16 个整数值。将该图像划分为四个子方格。对于每个子方格，计算方向的直方图（16 个分区），并用它们的大小加权。这样，每个子方格就会得到一个包含 16 个值的向量。四个这样的向量（四个子方格的向量）加起来就是一个包含 64 个值的特征向量。这就是我们用来训练数据的特征向量。

def hog(img)：
    gx = cv.Sobel(img, cv.CV_32F, 1, 0)
    gy = cv.Sobel(img, cv.CV_32F, 0, 1)
    mag, ang = cv.cartToPolar(gx, gy)
    bins = np.int32(bin_n*ang/(2*np.pi))    # 将 bin 值量化为 (0...16)
    bin_cells = bins[:10,:10]，bins[10:,:10]，bins[:10,10:]，bins[10:,10:]
    mag_cells = mag[:10,:10]，mag[10:,:10]，mag[:10,10:]，mag[10:,10:]
    hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)] (bin_cells, mag_cells)
    hist = np.hstack(hists) # hist 是一个 64 位向量
    return hist

最后，与前一种情况一样，我们首先将大数据集分割成单个单元格。每个数字保留 250 个单元作为训练数据，其余 250 个数据作为测试数据。完整代码如下，你也可以从这里下载：

#!/usr/bin/env python
import cv2 as cv
import numpy as np
SZ=20
bin_n = 16 # 频道数
affine_flags = cv.WARP_INVERSE_MAP|cv.INTER_LINEAR
def deskew(img):
    m = cv.moments(img)
    if abs(m['mu02']) < 1e-2:
        return img.copy()
    skew = m['mu11']/m['mu02']
    M = np.float32([[1, skew, -0.5*SZ*skew], [0, 1, 0]])
    img = cv.warpAffine(img,M,(SZ, SZ),flags=affine_flags)
    return img
def hog(img):
    gx = cv.Sobel(img, cv.CV_32F, 1, 0)
    gy = cv.Sobel(img, cv.CV_32F, 0, 1)
    mag, ang = cv.cartToPolar(gx, gy)
    bins = np.int32(bin_n*ang/(2*np.pi))    # 将 bin 值量化为 (0...16)
    bin_cells = bins[:10,:10], bins[10:,:10], bins[:10,10:], bins[10:,10:]
    mag_cells = mag[:10,:10], mag[10:,:10], mag[:10,10:], mag[10:,10:]
    hists = [np.bincount(b.ravel(), m.ravel(), bin_n) for b, m in zip(bin_cells, mag_cells)]
    hist = np.hstack(hists)     # hist 是一个 64 位向量
    return hist
img = cv.imread(cv.samples.findFile('digits.png'),0)
if img is None:
    raise Exception("we need the digits.png image from samples/data here !")
cells = [np.hsplit(row,100) for row in np.vsplit(img,50)]
# 前半部分为 trainData，其余为 testData
train_cells = [ i[:50] for i in cells ]
test_cells = [ i[50:] for i in cells]
deskewed = [list(map(deskew,row)) for row in train_cells]
hogdata = [list(map(hog,row)) for row in deskewed]
trainData = np.float32(hogdata).reshape(-1,64)
responses = np.repeat(np.arange(10),250)[:,np.newaxis]
svm = cv.ml.SVM_create()
svm.setKernel(cv.ml.SVM_LINEAR)
svm.setType(cv.ml.SVM_C_SVC)
svm.setC(2.67)
svm.setGamma(5.383)
svm.train(trainData, cv.ml.ROW_SAMPLE, responses)
svm.save('svm_data.dat')
deskewed = [list(map(deskew,row)) for row in test_cells]
hogdata = [list(map(hog,row)) for row in deskewed]
testData = np.float32(hogdata).reshape(-1,bin_n*4)
result = svm.predict(testData)[1]
mask = result==responses
correct = np.count_nonzero(mask)
print(correct*100.0/result.size)