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