基于C++,OpenCV3以及SVM的MNIST手写数字识别系统的设计
目录
-
- 一、OpenCV3对MNIST数据集的解析
-
- 1.1 MNIST数据集介绍
- 1.2 小端格式和大端格式
- 1.3 小端存储转换代码示例
- 1.4 OpenCV3对图像数据的解析代码示例
- 1.5 OpenCV3对标签数据的解析代码示例
- 二、模型训练
-
- 2.1 训练数据准备
- 2.2 构建支持向量机SVM并进行训练
- 2.3 在测试数据集上预测训练准确率
- 2.4 运行结果
- 三、调用训练好的模型进行手写数字识别
-
- 3.1 代码示例
- 3.2 运行结果
一、OpenCV3对MNIST数据集的解析
1.1 MNIST数据集介绍
关于MNIST数据集，我曾写过一篇文章进行了详细描述：https://blog.csdn.net/didi_ya/article/details/105075859
这里就不过多介绍了。
这里重点介绍一下小端格式和大端格式。
1.2 小端格式和大端格式
大端模式：高位字节放在内存低地址处，低位字节放在内存高地址处；最直观，因为存地址从左到右按照由低到高的顺序写出
把值按照通常的高位到低位的顺序写出，两者对照，一个字节一个字节的填充进去 ；
小端模式：低位字节放在内存低地址处，高位字节放在内存高地址处；Intel处理器一般为小端模式，比较符合人的思维；
看个例子：
如果我们将0x1234abcd写入到以0x0000开始的内存中，则结果为
| 大端模式 | 小端模式 | |
|---|---|---|
| 0x0000 | 0x12 | 0xcd |
| 0x0001 | 0x23 | 0xab |
| 0x0002 | 0xab | 0x34 |
| 0x0003 | 0xcd | 0x12 |
参考链接：https://blog.csdn.net/liuweiyuxiang/article/details/78045344
需要注意的是，MNIST数据集采用小端存储的方式，因此提取需要进行一定操作。
1.3 小端存储转换代码示例
由于大端模式是把高位字节放在内存的低位处，所以，c1，c2，c3，c4依次表示的就是原来的数的高位，所以，在将c1，c2，c3，c4转化为整数后，只要依次取出整数的后8位，左移24位；次后八位，左移16位；次次后8位，左移8位；次次后8位，然后将这些左移后或者没有左移的元素相加起来就可以了。
在C++标准中，char类型的长度被定义为一个字节，这个在不同的处理器上面是不变的，因此，可以采用char类型的数组来存储文件头的部分，同时，使用char类型的数组来进行大端模式到小端模式的转换也是很容易的。
代码示例：
int reverseInt(int i) {
unsigned char c1, c2, c3, c4;
c1 = i & 255;//&——与运算;255——11111111;该语句的意思是取出i的后八位
c2 = (i >> 8) & 255;//右移8位
c3 = (i >> 16) & 255;//右移16位
c4 = (i >> 24) & 255;//右移24位
return ((int)c1 << 24) + ((int)c2 << 16) + ((int)c3 << 8) + c4;
}
如果还是不懂，我们直接来看一个例子：
i读取的第一个十进制数字是：17301504；转化为二进制是：1000010000000000000000000；c1表示该二进制与11111111相与，其结果为0；c2表示该二进制再次右移8位与11111111相与，其结果为0；c3表示该二进制再次右移8位与11111111相与，其结果为8；c4表示该二进制再次右移8位与11111111相与，其结果为1；返回值为c1左移24位+c2左移16位+c3左移8位+c4，其结果为2049。
1.4 OpenCV3对图像数据的解析代码示例
代码如下：
Mat read_mnist_image(const string fileName) {
int magic_number = 0;
int number_of_images = 0;
int n_rows = 0;
int n_cols = 0;
Mat DataMat;
ifstream file(fileName, ios::binary);
if (file.is_open())
{
cout << "成功打开图像集 ..." << endl;
file.read((char*)&magic_number, sizeof(magic_number));//幻数（文件格式）
file.read((char*)&number_of_images, sizeof(number_of_images));//图像总数
file.read((char*)&n_rows, sizeof(n_rows));//每个图像的行数
file.read((char*)&n_cols, sizeof(n_cols));//每个图像的列数
magic_number = reverseInt(magic_number);
number_of_images = reverseInt(number_of_images);
n_rows = reverseInt(n_rows);
n_cols = reverseInt(n_cols);
cout << "magic number（文件格式）:" << magic_number
<< " 图像总数:" << number_of_images
<< " 每个图像的行数:" << n_rows
<< " 每个图像的列数:" << n_cols << endl;
cout << "开始读取Image数据......" << endl;
DataMat = Mat::zeros(number_of_images, n_rows * n_cols, CV_32FC1);
for (int i = 0; i < number_of_images; i++) {
for (int j = 0; j < n_rows * n_cols; j++) {
unsigned char temp = 0;
file.read((char*)&temp, sizeof(temp));
//可以在下面这一步将每个像素值归一化
float pixel_value = float(temp);
//按照行将像素值一个个写入Mat中
DataMat.at<float>(i, j) = pixel_value;
}
}
cout << "读取Image数据完毕......" << endl;
}
file.close();
return DataMat;
}
1.5 OpenCV3对标签数据的解析代码示例
代码如下：
Mat read_mnist_label(const string fileName) {
int magic_number;
int number_of_items;
Mat LabelMat;
ifstream file(fileName, ios::binary);
if (file.is_open())
{
cout << "成功打开标签集 ... " << endl;
file.read((char*)&magic_number, sizeof(magic_number));
file.read((char*)&number_of_items, sizeof(number_of_items));
magic_number = reverseInt(magic_number);
number_of_items = reverseInt(number_of_items);
cout << "magic number（文件格式）:" << magic_number << " ;标签总数:" << number_of_items << endl;
cout << "开始读取Label数据......" << endl;
//CV_32SC1代表32位有符号整型 通道数为1
LabelMat = Mat::zeros(number_of_items, 1, CV_32SC1);
//error
for (int i = 0; i < number_of_items; i++) {
char temp = 0;
file.read((char*)&temp, sizeof(temp));
LabelMat.at<int>(i, 0) = (int)temp;
}
//error finish
cout << "读取Label数据完毕......" << endl;
}
file.close();
return LabelMat;
}
二、模型训练
2.1 训练数据准备
代码如下：
string train_images_path = "G:/mnist/train-images.idx3-ubyte";
string train_labels_path = "G:/mnist/train-labels.idx1-ubyte";
string test_images_path = "G:/mnist/t10k-images.idx3-ubyte";
string test_labels_path = "G:/mnist/t10k-labels.idx1-ubyte";
//读取训练标签数据 (60000,1) 类型为int32
Mat train_labels = read_mnist_label(train_labels_path);
//读取训练图像数据 (60000,784) 类型为float32 数据未归一化
Mat train_images = read_mnist_image(train_images_path);
//将图像数据归一化为[0,1]
train_images = train_images / 255.0;
//读取测试数据标签(10000,1) 类型为int32
Mat test_labels = read_mnist_label(test_labels_path);
//读取测试数据图像 (10000,784) 类型为float32 数据未归一化
Mat test_images = read_mnist_image(test_images_path);
//归一化为[0,1]
test_images = test_images / 255.0;
2.2 构建支持向量机SVM并进行训练
代码如下：
Ptr<SVM> svm = SVM::create();
//设置类型为C_SVC代表分类
svm->setType(SVM::C_SVC);
//设置核函数
svm->setKernel(SVM::POLY);
//设置其它属性
svm->setGamma(3.0);
svm->setDegree(3.0);
//设置迭代终止条件
svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER | TermCriteria::EPS, 300, 0.0001));
//开始训练
Ptr<TrainData> train_data = TrainData::create(train_images, ROW_SAMPLE, train_labels);
cout << "开始进行训练..." << endl;
svm->train(train_data);
cout << "训练完成" << endl;
2.3 在测试数据集上预测训练准确率
代码如下：
Mat pre_out;
//返回值为第一个图像的预测值 pre_out为整个batch的预测值集合
cout << "开始进行预测..." << endl;
float ret = svm->predict(test_images, pre_out);
cout << "预测完成" << endl;
//计算准确率必须将两种标签化为同一数据类型
pre_out.convertTo(pre_out, CV_8UC1);
test_labels.convertTo(test_labels, CV_8UC1);
int equal_nums = 0;
for (int i = 0; i < pre_out.rows; i++)
{
if (pre_out.at<uchar>(i, 0) == test_labels.at<uchar>(i, 0))
{
equal_nums++;
}
}
float acc = float(equal_nums) / float(pre_out.rows);
cout << "测试数据集上的准确率为：" << acc * 100 << "%" << endl;
//保存模型
svm->save("mnist_svm.xml");
2.4 运行结果
三、调用训练好的模型进行手写数字识别
3.1 代码示例
代码如下：
#include3.2 运行结果
【注意】：当调用训练好的模型进行识别时，需要注意输入图像必须是28*28黑底白字图，如果不是，可以通过图像处理得到。
ok，以上便是全部内容了，如果对你有所帮助，记得点个赞哟，如果想获取完整代码，可以参考资源：https://download.csdn.net/download/didi_ya/15656807