机器学习笔记-opencv2与opencv3手写体字母或者数字识别

参考： 

利用SVM(支持向量机)和MNIST库在OpenCV环境下实现手写数字0~9的识别 opencv3

        随机决策森林——OpenCV类CvRTrees使用实例（数字识别）opencv2

       基于qt和opencv3实现机器学习之：对OCR进行分类 oprncv3源代码

       基于qt和opencv3实现机器学习之：利用最近邻算法（knn)实现手写数字分类

        Opencv手写数字识别（Opencv3.0+KNN+HOG特征）

数据集：关键部分

 

OCR （Optical Character Recognition，光学字符识别），我们这个练习就是对OCR英文字母进行识别。得到一张OCR图片后，提取出字符相关的ROI图像，并且大小归一化，整个图像的像素值序列可以直接作为特征。但直接将整个图像作为特征数据维度太高，计算量太大，所以也可以进行一些降维处理，减少输入的数据量。

处理过程一般这样：先对原图像进行裁剪，得到字符的ROI图像，二值化。然后将图像分块，统计每个小块中非0像素的个数，这样就形成了一个较小的矩阵，这矩阵就是新的特征了。