使用最近邻算法进行图像模式识别

Question

所以我希望能够识别图像中的模式（例如4号），我一直在阅读不同的算法，我真的想使用最近邻算法，它看起来很简单，我基于它理解它在本教程中： http://people.revoledu.com/kardi/tutorial/KNN/KNN_Numerical-example.html 问题是，虽然我理解如何使用它来填补缺失的数据集，但我不明白如何将它用作图像识别工具来瞄准图像形状识别。有人可以说明这个算法如何用于模式识别？我已经看过使用OpenCV的教程，但是我真的不想使用这个库，因为我有能力自己进行预处理，而且为了应该是一个简单的最近邻居而实现这个库似乎很愚蠢算法

Answer 1

您只是（简单地？）必须为您的数据定义“距离”度量。

假设您已经在小图像中分割了大图像，每个图像对应于您要分类的文本字符。让我们假设我们正在处理数字单色图像，因此每个图像表示为（例如）0-255整数范围（亮度）中的值（像素）的矩形矩阵。还假设（NN是一种“监督的分类算法”），你有很多已经很好分类的图像（你的训练集）。

给定一个新的小图像，您必须定义两个图像之间的距离，以便选择训练集中最接近的图像，并选择其“标签”作为识别的文本字符。

一种天真的方法是获取像素的差异（例如，平方和）。但是这个距离测量对翻译（以及旋转和缩放）很敏感，我们通常不希望如此。另一种方法是计算傅里叶变换的模数，这是平移不变量（但这还不够）。从这里你可以开始 - 并且认识到问题很难，而且这种分类需要大量的工作才能完成。

Answer 2

我使用K-Nearest-Neighbor算法在带摄像机的实时姿势识别中进行姿势识别。我建议你使用Matlab来训练和测试数据集，因为它有PRToolbox用于此目的，并且有很多帮助和样本。 最重要的是，您可以正确选择能够强有力地表示每个类的功能。 一旦你拥有了这些功能（这将是一组值，如颜色，区域，位置......）和类，你需要样本来训练分类器（例如KNN）。与分类器一样重要的是如何选择样本进行训练。然后你将不得不测试分类器。

尝试不同的训练集，不同的特征，不同的分类器，因为KNN可能不是最适合您的数据类型的方法。

我希望你觉得这很有用。

Answer 3

这是一个使用Python的简单实现 http://shyamalapriya.github.io/digit-recognition-using-k-nearest-neighbors/