利用opencv提取Hu不变量特征 形状匹配 机器学习识别手写数字 傅里叶变换
void GetHu(string image_path)
- {
- IplImage *src_image = cvLoadImage(image_path.c_str(),0);
- CvMoments moments;
- CvHuMoments hu_moments;
- cvMoments(src_image, &moments,0);
- cvGetHuMoments(&moments, &hu_moments);
- for(int i = 1; i < 8; ++i)
- {
- cout<<((double*)&hu_moments)[i]<<"\t";
- }
- }
void GetHu(string image_path)
{
IplImage *src_image = cvLoadImage(image_path.c_str(),0);
CvMoments moments;
CvHuMoments hu_moments;
cvMoments(src_image, &moments,0);
cvGetHuMoments(&moments, &hu_moments);
for(int i = 1; i < 8; ++i)
{
cout<<((double*)&hu_moments)[i]<<"\t";
}
}
另外，opencv中的cvMatchShapes()方法可以直接实现两个轮廓的相似性计算，结果越小越相似。这个函数也是基于Hu不变量的相似性匹配。
OpenCV中的 KNN法 即 K最近邻法 K-Nearest Neighbors
k-
最近邻是一个非常简单的机器学习算法,
并且在OpenCV
中已经实现。在这篇文章中，我们将使用免费的数据集中的手写数字，作为K
最近算法的训练集。训练之后通过它来识别数字。我们将用到一些文件操作，如：fopen,fread,etc.
如果你对文件操作不熟悉，建议先复习一下。
手写数字数据集
这个网页 http://yann.lecun.com/exdb/mnist/提供了大量的手写数据集供下载。把上面的4个文件都下载下来。这些文件包含训练图像，训练图像的标号，测试图像和测试图像对应的真实标号。文件不能通过一般的图像浏览器打开。我们必须自己写代码来读取图像和标号。
训练：加载数据集
我们使用C/C++中的标准文件操作来加载数据集。数据的在文件中的存储格式在Yann的网页中有介绍。
在图片文件中，前16个字节包含的是文件信息。其中，开头的4个字节是magic number，用来确保所读的文件正确。接下来的4个字节代表图像的数量（因为整型通常4个字节表示）。第8-12个字节代表行数，最后4个字节代表列数。之后存储的就是图像数据，逐行存储每一副图像的像素点。
在标号文件中，前4个字节同样是magic number。接下来的4个字节是标号的个数。再之后，一个标号用一个字节表示，来代表手写体对应的数字0~9中的一个。
有了对文件格式的理解，我们开始创建一个新工程，要包含OpenCV的头文件。
#include<cv.h>
#include<highgui.h>
#include<ml.h>
#include<time.h>
#include<stdio.h>
#include<stdlib.h>
using namespace cv;
int main()
{
return 0;
}
我将会使用到OpenCV的C++接口，因此也包含了CV命名空间。首先，我们创建2个新的文件指针：
int main()
{
FILE *fp = fopen("C:
\\train-images.idx3-ubyte", "rb");
FILE *fp2 = fopen("C:
\\train-labels.idx1-ubyte", "rb");
return 0;
}
上面的语句以二进制只读的方式打开文件。然后就是异常处理语句，如果文件没有打开，我们直接返回。
if(!fp || !fp2)
return0;
接下来，从这两个文件中读取参数：
int magicNumber =readFlippedInteger(fp);
int numImages =readFlippedInteger(fp);
int numRows =readFlippedInteger(fp);
int numCols =readFlippedInteger(fp);
fseek(fp2, 0x08, SEEK_SET);
我们一会儿会用到readFlippedInteger函数。如果你使用的是Intel的机子（以低字节优先排列）的话，就要用到这个函数。如果你使用的是高字节优先的处理器，就可以直接使用fread函数。
标号从第8个字节开始，在fp2文件中同样需要跳过开始的2个整数。
现在，我们申请空间来存储所有的图片和标号：
int size = numRows*numCols;
CvMat *trainingVectors =cvCreateMat(numImages, size, CV_32FC1);
CvMat *trainingLabels = cvCreateMat(numImages,1, CV_32FC1);
其中“vectors”代表所有手写数字图像，即K-最近邻的输入向量，“Labels”则代表手写数据的标号，即K-最近邻的分类类别。分配好内存之后，就能从文件中读取数据了：
BYTE *temp = new BYTE[size];
BYTEtempClass=0;
for(inti=0;i<numImages;i++)
{
fread((void*)temp,size, 1, fp);
fread((void*)(&tempClass), sizeof(BYTE), 1, fp2);
trainingLabels->data.fl
= tempClass;
for(intk=0;k<size;k++)
trainingVectors->data.fl[i*size+k] = temp[k];
}
这段代码加载第i副图像到temp，并且读取他的标号到tempClass.然后，在trainningVectors和trainingLabels矩阵中依次填充元素值。为什么要这样做呢？因为矩阵的数据类型是浮点型。而文件中的数据是单个字节数据。4个字节对应一个字节
是不能匹配的。所以就采用逐个数据的方式对矩阵赋值。如果你知道更好的方法，可以告诉我。
是不能匹配的。所以就采用逐个数据的方式对矩阵赋值。如果你知道更好的方法，可以告诉我。
将数据存入内存之后，我们可以将它们作为输入导入到K-最近邻算法中：
KNearest knn(trainingVectors,trainingLabels);
然后，打印出k的最大值，关闭文件。
printf("Maximum k: %d
\n",knn.get_max_k());
fclose(fp);
fclose(fp2);
我们也可以释放矩阵，因为OpenCV中的K-最近邻算法会自己另外保存一份向量和类别的备份。
cvReleaseMat(&trainingVectors);
cvReleaseMat(&trainingLabels);
测试：使用K-最近邻识别
训练完成之后，就要对测试图像进行测试，来看看识别的准确性。
在同一个工程下，在底部添加下面代码：
fp = fopen("C:
\\t10k-images.idx3-ubyte","rb");
fp2 = fopen("C:
\\t10k-labels.idx1-ubyte","rb");
然后，从文件中读取初始信息，并且设置fp2的文件指针到第8个字节：
magicNumber = readFlippedInteger(fp);
numImages =readFlippedInteger(fp);
numRows =readFlippedInteger(fp);
numCols =readFlippedInteger(fp);
fseek(fp2, 0x08, SEEK_SET);
接下来，为测试图像和图像类别（标号）分配内存：
CvMat *testVectors = cvCreateMat(numImages, size,CV_32FC1);
CvMat*testLabels = cvCreateMat(numImages, 1, CV_32FC1);
CvMat *actualLabels = cvCreateMat(numImages, 1,CV_32FC1);
testVectors存储测试图像，testLavels存储通过算法预测的图像的标号，actualLabels存储实际的标号（也就是从fp2中读取的真实标号）；
然后，创建一些临时变量：
temp = new BYTE[size];
tempClass=1;
CvMat*currentTest = cvCreateMat(1, size, CV_32FC1);
CvMat*currentLabel = cvCreateMat(1, 1, CV_32FC1);
int totalCorrect=0;
temp和tempClass存储当前图像和它真实的标号。totalCorrect对正确的预测进行跟踪。现在，我们迭代文件中的所有图像：
for(int i=0;i<numImages;i++)
{
fread((void*)temp, size, 1, fp);
fread((void*)(&tempClass), sizeof(BYTE), 1, fp2);
actualLabels->data.fl = (float)tempClass;
for(intk=0;k<size;k++)
{
testVectors->data.fl[i*size+k] = temp[k];
currentTest->data.fl[k] = temp[k];
}
这段代码仅仅是读取一副图像并存储数据到矩阵。接下来还要在外面的for循环中添加如下代码来预测这幅图像的标号：
knn.find_nearest(currentTest,5, currentLabel);
testLabels->data.fl =currentLabel->data.fl[0];
if(currentLabel->data.fl[0]==actualLabels->data.fl)
totalCorrect++;
}
最后，打印出识别正确的数字的个数：
printf("Time: %d
\nAccuracy: %f
\n\n",(int)time, (double) totalCorrect*100/(double)numImages);
return 0;
整数的翻转和字节存储次序
不同的处理器有不同的字节存储次序。假设一个整数32个比特，那么就要用4个字节来存储。一些处理器将4个字节中最低位作为整数的最高有效位，另外一些则把最高位作为整数的最高有效位。这样的差异确实容易混淆，但是我们也无法控制。也许，MINST数据集的创建有非Intel的机器，所以才设计了这样的文件存储格式。以下是读取“flipped 整数”的方法：
int readFlippedInteger(FILE *fp)
{
int ret = 0;
BYTE *temp;
temp = (BYTE*)(&ret);
fread(&temp[3], sizeof(BYTE), 1, fp);
fread(&temp[2], sizeof(BYTE), 1, fp);
fread(&temp[1], sizeof(BYTE), 1, fp);
fread(&temp[0], sizeof(BYTE), 1, fp);
return ret;
}
这段代码中创建了一个字节指针来指向整数ret的首地址，然后从高位挨着读取4个字节，最后返回整数ret。
结束
通过以上的方法，就实现了机器学习。当然，还有一些更好的分类方法可供选择，你也可以尝试。或者你可以改进一下K-最近邻算法（提示：也许不是图像中的所有像素点都有用）。试试吧！