opencv（三）：HOG+SVM实现手写字符识别

最新推荐文章于 2024-08-10 11:30:51 发布

芝麻芝麻哼

最新推荐文章于 2024-08-10 11:30:51 发布

阅读量5k

点赞数

分类专栏： opencv 文章标签： opencv

本文链接：https://blog.csdn.net/u014249958/article/details/76222410

版权

这篇博客介绍了如何利用HOG特征和SVM分类器进行手写字符识别。内容涵盖HOG特征的原理，包括图像标准化、梯度计算、直方图构造和块归一化等步骤，并预告了数据批处理和代码实现部分。

摘要由CSDN通过智能技术生成

前言

利用HOG特征和SVM分类实现手写字符识别。

原理

HOG特征
简介：方向梯度直方图，关注图像的局部区域，对图像几何和光学形变具有很好的不变性。
步骤：
（1）标准化gamma空间和颜色空间：调节图像对比度，降低图像局部的阴影和光照变化所造成的影响，同时可抑制噪音干扰。
（2）计算图像梯度。
（3）位每一个细胞单元构建梯度方向直方图。
（4）将细胞单元组合成大的相互重叠的块，块内归一化方向梯度直方图。
（5）收集检测窗口中所有重叠块的HOG特征组成最终的特征向量。

数据批处理

未完待续……

代码

训练部分：

// author: 芝麻芝麻哼
// time: 20170727
// function: train svm
// contact: 1439352516@qq.com
// platform: VS2010+opencv2.4.10

#include <opencv2/opencv.hpp>
#include <opencv2/ml/ml.hpp>
#include <opencv2/core/core.hpp>
#include "windows.h"
#include "fstream"

using namespace std;
using namespace cv;

int main()
{
    vector<string> imgpath;  // path of train image
    vector<int> imglabel;    // label of train image
    int nLine = 0;
    string buf;
    ifstream svm_data;
    svm_data.open("D:\\hb.txt", ios::in);   //open file
    if(!svm_data.is_open())
    {
        cout<<"read error"<<endl;
        exit(EXIT_FAILURE);
    }
    unsigned long n;
    while(svm_data)
    {
        if(getline(svm_data, buf))
        {
            nLine++;
            if(nLine%2 == 0)
            {
                imglabel.push_back(atoi(buf.c_str()));
            }
            else
            {
                imgpath.push_back(b