基于C++,OpenCV3以及SVM的手写数字识别系统的设计（从手写数字识别设计中认识SVM）
目录
-
- 1、数据准备
- 2、训练集和测试集划分
- 3、SVM模型训练
-
- 3.1 数据准备
- 3.2 特征选取
- 3.3 配置SVM训练器参数
- 3.4 保存模型
- 4、加载模型实现分类
1、数据准备
在OpenCV的安装路径下，搜索digits.png，可以得到一张图片，图片大小为1000* 2000,有0-9的10个数字，每5行为一个数字，总共50行，共有5000个手写数字，每个数字块大小为20* 20。 如下图所示：
下面将把这些数字中的0和1作为二分类的准备数据。其中0有500张，1有500张。
代码如下：
#include 【注意】：在运行命令前，需要在E盘data文件夹下新建两个子文件夹，命名为0和1。这样才能把图片存入。
部分处理结果如下：
2、训练集和测试集划分
我们可以手动将1000张图片划分为训练集和测试集，其中训练数据800张，0，1各400张；测试数据200张，0，1各100张。
（至于更简单的方法，暂时还没想到，读者可以自行探索）
3、SVM模型训练
（关于这一部分，可参考博客：利用C++和OpenCV3设计支持向量机SVM分类器）
3.1 数据准备
由于只识别数字0和数字1，因此定义了两个子函数：
get_1(trainingImages, trainingLabels);
get_0(trainingImages, trainingLabels);
主要功能为：
get_1()用来将1文件夹中的图像Mat类型和标签写入训练集。
get_0()用来将0文件夹中的图像Mat类型和标签写入训练集。
这样就保证了特征和标签是一一对应的关系push_back(0)或者push_back(1)其实就是我们贴标签的过程。
在主函数中，将get_1()与get_0()写好的包含特征的矩阵拷贝给trainingImages，将包含标签的vector容器进行类型转换后拷贝到trainingLabels里，至此，数据准备工作完成，trainingImages与trainingLabels就是我们要训练的数据。
子函数代码如下：
void get_1(Mat& trainingImages, vector<int>& trainingLabels)
{
string filePath = "E:\\data\\train_image\\1";
int number =400;
for (int i = 0; i < number; i++)
{
stringstream ss;
// 将多个字符串放入 ss 中
ss << filePath <<"\\"<< i << ".png";
string files = ss.str();
ss.str("");//清空ss
Mat SrcImage = imread(files);
SrcImage = SrcImage.reshape(1, 1);//转换为单通道行向量
trainingImages.push_back(SrcImage);
trainingLabels.push_back(1);
}
}
void get_0(Mat& trainingImages, vector<int>& trainingLabels)
{
string filePath = "E:\\data\\train_image\\0";
vector<string> files;
int number = 400;
for (int i = 0; i < number; i++)
{
stringstream ss;
// 将多个字符串放入 ss 中
ss << filePath << "\\" << i << ".png";
string files = ss.str();
ss.str("");//清空ss
Mat SrcImage = imread(files);
SrcImage = SrcImage.reshape(1, 1);//转换为单通道列向量
trainingImages.push_back(SrcImage);
trainingLabels.push_back(0);
}
除了这两个子函数，需要注意的是，
①样本数据必须是CV_32FC1类型。这是由opencv3版本决定的；
②样本标签必须是CV_32SC1，opencv3后从int数组转换为CV_32SC1类型，而opencv2是从float数据转换。
3.2 特征选取
特征提取和数据的准备是同步完成的。这里我们简单粗暴将整个图的所有像素作为了特征，因为我们关注更多的是整个的训练过程，所以选择了最简单的方式完成特征提取工作，除此中外，特征提取的方式有很多，比如LBP，HOG等等。
上面是行向量，这里注释写错了
3.3 配置SVM训练器参数
程序如下：
//配置SVM训练器参数
Ptr<SVM> svm = SVM::create();//创建一个svm对象
svm->setType(SVM::C_SVC);//设置SVM公式类型
svm->setKernel(SVM::RBF);//设置SVM核函数类型
svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 10000, 1e-6));//设置SVM训练时迭代终止条件
svm->train(trainingData, ROW_SAMPLE, classes);//训练数据
3.4 保存模型
程序如下：
//保存模型
svm->save("svm.xml");
cout << "训练好了！！！" << endl;
ok，这样，SVM就训练完成了。
下面开始测试。
4、加载模型实现分类
核心代码如下：
#include 可以发现，识别正确率还是很高的；当然，也可以加入下列代码进行测试：
/test
stringstream sss;
// 将多个字符串放入 ss 中
sss << filePath << "1\\" << 56 << ".png";
string filess = sss.str();
sss.str("");//清空ss
Mat src = imread(filess);
Mat p = src.reshape(1, 1);
p.convertTo(p, CV_32FC1);
int test = (int)svm->predict(p);
cout << "测试一下：" << test << endl;
//
输出结果：
ok，大功告成！
如果想要全部的三个文件的代码，可以从下列链接中下载：
https://download.csdn.net/download/didi_ya/15561230
如果对你有所帮助，记得点个赞哟~