OpenCV使用KNN完成OCR手寫體識別

更新時間：2023年05月10日 08:45:27 作者：uncle_ll

這篇文章主要為大家介紹了OpenCV使用KNN完成OCR手寫體識別示例解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

目標(biāo)

在本章中，將學(xué)習(xí)

使用kNN來構(gòu)建基本的OCR應(yīng)用程
使用OpenCV自帶的數(shù)字和字母數(shù)據(jù)集

手寫數(shù)字的OCR

目標(biāo)是構(gòu)建一個可以讀取手寫數(shù)字的應(yīng)用程序。為此，需要一些 train_data 和test_data 。OpenCV git項目中有一個圖片 digits.png （opencv/samples/data/ 中），其中包含 5000 個手寫數(shù)字（每個數(shù)字500個），每個數(shù)字都是尺寸大小為 20x20 的圖像。

因此，第一步是將上面這張圖像分割成 5000 （500*10）個不同的數(shù)字。對于每個數(shù)字，將其展平為 400 像素的一行，這就是訓(xùn)練集，即所有像素的強(qiáng)度值。這個是可以創(chuàng)建的最簡單的特征集合。將每個數(shù)字的前 250個樣本用作訓(xùn)練集train_data ，然后將 250 個樣本用作測試集test_data 。

import cv2
import numpy as np
img = cv2.imread('digits.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Now we split the image to 5000 cells, each 20x20 size
cells = [np.hsplit(row, 100) for row in np.vsplit(gray, 50)]
# Make it into a numpy array: its size will be (50, 100, 20, 20)
x = np.array(cells)
# Now we prepare the training data and test data
train = x[:,:50].reshape(-1,400).astype(np.float32) # Size = (2500,400)
test = x[:,50:100].reshape(-1,400).astype(np.float32) # Size = (2500,400)
# Create labels for train and test data
k = np.arange(10)
train_labels = np.repeat(k, 250)[:, np.newaxis]
test_labels = train_labels.copy()
# Initiate kNN, train it on the training data, then test it with the test data with k=1
knn = cv2.ml.KNearest_create()
knn.train(train, cv2.ml.ROW_SAMPLE, train_labels)
ret, result, neighbours, dist = knn.findNearest(test, k=5)
# Now we check the accuracy of classification
# For that, compare the result with test_labels and check which are wrong
matches = result==test_labels
correct = np.count_nonzero(matches)
accuracy = correct * 100.0/result.size
print( accuracy )  # 91.76

可以看到，上述構(gòu)建了一個基礎(chǔ)的數(shù)字手寫體OCR應(yīng)用程序已準(zhǔn)備就緒。在這個特定的例子中的準(zhǔn)確度是91.76％。

提高準(zhǔn)確度方法：

一種提高準(zhǔn)確性的選擇是添加更多數(shù)據(jù)進(jìn)行訓(xùn)練，尤其是錯誤的數(shù)據(jù)。
另外一種是更換更優(yōu)的算法

本文中，每次啟動應(yīng)用程序時都找不到該訓(xùn)練數(shù)據(jù)，不如將其保存，以便下次直接從文件中讀取此數(shù)據(jù)并開始分類?？梢越柚恍㎞umpy函數(shù)（例如np.savetxt，np.savez，np.load等）來完成此操作。

# Save the data
np.savez('knn_dight_data.npz', train=train, train_labels=train_labels)
# Now load the data
whit np.load('knn_data.npz') as data:
    print(data.files)
    train = data['train']
    train_labels = data['train_labels']

在windows系統(tǒng)下，大約需要大約 3.82 MB 的內(nèi)存。由于僅使用強(qiáng)度值（uint8數(shù)據(jù)）作為特征，如果需要考慮內(nèi)存的問題時候，可以先將數(shù)據(jù)轉(zhuǎn)換為 np.uint8 ，然后再將其保存。在這種情況下，僅占用 0.98MB 。然后在加載時，可以轉(zhuǎn)換回 float32 。

train_uint8 = train.astype(np.uint8)
train_labels_uint8 = train_labels.astype(np.uint8)
np.savez('knn_dight_data_int8.npz', train=train_uint8, train_labels=train_labels_uint8)

也可以用來預(yù)測單個數(shù)字

# 取測試集中的一個元素
single_data = testData[0].reshape(-1, 400)
single_label = labels[0]
ret, result, neighbours, dist = knn.findNearest(data, k=5)
print(result)  # [[0]]
print(label)   # [[0.]]
print(result==label)  # True

英文字母的OCR

接下來，對英語字母執(zhí)行相同的操作，但是數(shù)據(jù)和特征集會稍有變化。OpenCV使用文件letter-recognition.data（ /data/samples/data/letter-recognition.data）代替圖像。如果打開它，將看到20000行，乍一看可能看起來像垃圾數(shù)字。

實際上，在每一行中，第一列是字母，這是標(biāo)簽。接下來的16個數(shù)字是它的不同特征，這些特征是從UCI機(jī)器學(xué)習(xí)存儲庫獲得的?？梢栽?a rel="external nofollow" target="_blank">此頁面中找到這些功能的詳細(xì)信息。

現(xiàn)有20000個樣本，將前10000個數(shù)據(jù)作為訓(xùn)練樣本，剩余的10000個作為測試樣本。字母應(yīng)該更改為ASCII字符，因為不能直接使用字母。

import numpy as np
import cv2
#  Load the data and convert the letters to numbers
data = np.loadtxt('letter-recognition.data', dtype='float32', delimiter=',', converters={0: lambda ch: ord(ch)-ord('A')})
# Split the dataset in two, with 10000 samples each for training and test sets
train, test = np.vsplit(data, 2)
# Split trainData and testData into features and responses
responses, trainData = np.hsplit(train, [1])
labels, testData = np.hsplit(test, [1])
# Initiate the kNN, classify, measure accuracy
knn = cv2.ml.KNearest_create()
knn.train(trainData, cv2.ml.ROW_SAMPLE, responses)
ret, result, neighbours, dist = knn.findNearest(testData, k=5)
correct = np.count_nonzero(result==labels)
accuracy = correct * 100 / result.size
print(accuracy)  # 93.06

它給我的準(zhǔn)確性為 93.06% 。同樣，如果要提高準(zhǔn)確性，則可以迭代地在每個類別中添加錯誤數(shù)據(jù)。

附加資源