神经网络实现车牌数字识别进阶

前面的文章详细的介绍了如何批量的读取图片并保存为csv文件，批量处理机器学习中尤为关键，掌握批量处理数据可以节省大量的人力，也能避免犯错。本文是上文的延续，下面将详细介绍怎么用BP算法实现对车牌的识别

1. 实现工具
   QT + Opencv

2. 实现思路
   主要用下面六个函数进行实现<按顺调用>
   .h类容（后面将详细讲解各个函数的作用和实现）

 void normalizationPicture(string imagTxtRoute);
 void writeImageToCSV(string);
 void readCSV();
 void practiceXML   
 int predictTest(string picRoute);//预测图片数字
 Mat MatToMatrix(Mat srcImage);

他们的作用以此为：
1-归一化图片同大小，训练矩阵的要求
2-将图片批量转换为csv文件 （实现详见上篇博文）

http://blog.csdn.net/qq_33789319/article/details/78965196

3-将得到矩阵ANN训练的
4-训练样本矩阵，和目标矩阵并保存为xml文件，便于下次加载数据，避免重复训练样本
5-将图片转换为1*n矩阵（预测矩阵要求格式）

3-函数的具体实现代码如下，解释都已经详细注解，相信已经没有阅读难度了

1. 具体代码实现

.cpp代码如下

void ImagePreprocessing::practiceXML()
{
    CvANN_MLP bp;
    CvANN_MLP_TrainParams params;
    params.train_method = CvANN_MLP_TrainParams::BACKPROP;
    params.bp_dw_scale = 0.1;
    params.bp_moment_scale = 0.1;
    Mat layerSizes = (Mat_<int>(1,3) << 64,64,10);
    bp.create(layerSizes,CvANN_MLP::SIGMOID_SYM);
    bp.train(input_,target_t,Mat(),Mat(),params);//全局变量的input_,target_t，在readCSV()之后得到；
    bp.save("0_9.xml");//保存在构建目录下
    return;
}

int ImagePreprocessing::predictTest(string picRoute)
{
    int flagNumber = -1;
    CvANN_MLP bpPre;
    bpPre.load("0_9.xml");//读入训练好的xml文件
    Mat preImage = imread(picRoute,0);//单通道读入

    resize(preImage,preImage,Size(8,8),0,0,INTER_LINEAR);//对读入的图片进行尺寸规整，要求是输入1*64的矩阵

    //    imshow("preImage",preImage);
    Mat Matrix = MatToMatrix(preImage);//MatToMatrix(Mat)把图片n*m矩阵展开为一行，1*64；
    Mat outMat;//outMat 是存对输入图片预测后的值，那个值大，就代表这是几
    bpPre.predict(Matrix,outMat);
    float tempNum = -100;
    for(int i = 0;i < outMat.cols; i++)
    {


        if(outMat.at<float>(i) >