OpenCV使用KNN完成OCR手写体识别
作者:uncle_ll
目标
在本章中,将学习
- 使用kNN来构建基本的OCR应用程
- 使用OpenCV自带的数字和字母数据集
手写数字的OCR
目标是构建一个可以读取手写数字的应用程序。为此,需要一些 train_data
和test_data
。OpenCV git项目中有一个图片 digits.png
(opencv/samples/data/ 中),其中包含 5000 个手写数字(每个数字500个),每个数字都是尺寸大小为 20x20
的图像。
因此,第一步是将上面这张图像分割成 5000 (500*10)个不同的数字。对于每个数字,将其展平为 400 像素的一行,这就是训练集,即所有像素的强度值。这个是可以创建的最简单的特征集合。将每个数字的前 250个样本用作训练集train_data
,然后将 250 个样本用作 测试集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,上述构建了一个基础的数字手写体OCR应用程序已准备就绪。在这个特定的例子中的准确度是91.76%。
提高准确度方法:
一种提高准确性的选择是添加更多数据进行训练,尤其是错误的数据。
另外一种是更换更优的算法
本文中,每次启动应用程序时都找不到该训练数据,不如将其保存,以便下次直接从文件中读取此数据并开始分类。可以借助一些Numpy函数(例如np.savetxt
,np.savez
,np.load
等)来完成此操作。
# 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系统下,大约需要大约 3.82 MB 的内存。由于仅使用强度值(uint8数据)作为特征,如果需要考虑内存的问题时候,可以先将数据转换为 np.uint8
,然后再将其保存。在这种情况下,仅占用 0.98MB 。然后在加载时,可以转换回 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)
也可以用来预测单个数字
# 取测试集中的一个元素 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
接下来,对英语字母执行相同的操作,但是数据和特征集会稍有变化。OpenCV使用文件letter-recognition.data
( /data/samples/data/letter-recognition.data)代替图像 。如果打开它,将看到20000行,乍一看可能看起来像垃圾数字。
实际上,在每一行中,第一列是字母,这是标签。接下来的16个数字是它的不同特征,这些特征是从UCI机器学习存储库获得的。可以在此页面中找到这些功能的详细信息。
现有20000个样本,将前10000个数据作为训练样本,剩余的10000个作为测试样本。字母应该更改为ASCII字符,因为不能直接使用字母。
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
它给我的准确性为 93.06% 。同样,如果要提高准确性,则可以迭代地在每个类别中添加错误数据。
附加资源
以上就是OpenCV使用KNN完成OCR手写体识别的详细内容,更多关于OpenCV KNN识别OCR手写体的资料请关注脚本之家其它相关文章!