使用opencv进行图像分类

Question

我们目前正在开发一个使用opencv.pre-processing，分段，功能提取步骤的android ocr应用程序。分类是剩下的一步，我们被卡住了......我们正在使用一个填充了每个字母特征的数据库表。首先，我们每个字母只有1个特征，我们使用欧几里德距离，但结果不准确等等需要获得的功能，所以我们做了。现在的问题是我们每个字母有7个功能，完全不知道如何根据它们对i / p进行分类。有些人建议使用knn，但我们无法弄清楚如何并且那部分中的opencv文档并不清楚..如果有人可以帮助它，那将是伟大的。 提前致谢

Answer 1

简短而不讨论细节。矢量空间在这里派上用场。您需要构建一个特征向量 <feature1, feature2, feature3.. featureN>用于训练集中的每个实例。 从这些图像中，您可以提取您认为或在研究文章中阅读的功能对图像分类很重要。例如，您可以执行质心，高斯模糊，直方图等。 一旦你有了这些值，线性代数就会发挥一些分类算法：你在训练集上运行的knn，svm，naive bayes等，那就是你建立你的模型。 如果模型已准备好，则在测试集上运行它。 使用交叉验证可获得更全面的结果。 有关详细信息，请查看课程说明： http://www.inf.ed.ac.uk/teaching/courses/iaml/slides/knn-2x2.pdf 要么 http://www.inf.ed.ac.uk/teaching/courses/inf2b/lectureSchedule.html

Answer 2

想补充一点，OpenCV可能没有您可能更喜欢的那种分类器。

有几个库，但你可能必须看看哪个库在移动平台上效果最好。您能否详细说明您正在使用的功能？

最简单的KNN（k-最近邻）度量将是在输入样本的要素与数据库表中的每个向量之间找到n维（对于n维特征向量）的欧几里德距离。如果你有多个类并且输入图像被分类为一个这样的“类型”或“类”图像，也可以探索马哈拉诺比斯距离（用于测量点和数据集/类之间的距离）。

正如@matcheek所提到的，使用机器学习技术（如SVM，神经网络等）可以实现更复杂。但首先，您可能会考虑更简单的事情，如kNN，考虑到它可能会限制计算复杂性的移动平台。