c++ - 使用 KNN 分类器进行数字识别前的预处理

Question

现在我正在尝试使用 OpenCV 创建数字识别系统。 WEB 上有很多文章和示例(甚至在 StackOverflow 上)。我决定使用 KNN classifier因为这个解决方案是WEB中最流行的。我找到了 database of handwritten digits具有 60k 个示例的训练集，错误率低于 5%。

我使用了 this tutorial作为如何使用 OpenCV 使用此数据库的示例。我使用完全相同的技术，并且在测试数据 (t10k-images.idx3-ubyte) 上，我的错误率为 4%。但是当我尝试对自己的数字进行分类时，我遇到了更大的错误。例如:

• 被识别为 7
• 和 被识别为 5
• 和 被识别为1
• 被识别为 8

等等(如果需要，我可以上传所有图片)。

如您所见，所有数字都具有良好的质量，并且很容易被人类识别。

所以我决定在分类之前做一些预处理。来自 MNIST database site 上的表格我发现人们正在使用 deskewing、noise removal、blurring 和 pixel shift 技术。不幸的是，几乎所有文章的链接都被破坏了。所以我决定自己做这样的预处理，因为我已经知道该怎么做了。

现在，我的算法如下:

1. 腐 eclipse 图片(我觉得我原来的数字也太
   粗糙)。
2. 去除小轮廓。
3. 阈值和模糊图像。
4. 中心数字(而不是移位)。

我认为在我的情况下不需要纠偏，因为所有数字通常都会旋转。而且我也不知道如何找到合适的旋转角度。 所以在这之后我得到了这些图片:

• 也是1
• 是 3(不像以前那样 5)
• 是 5(不是 8)
• 是 7(利润!)

所以，这样的预处理对我有点帮助，但我需要更好的结果，因为在我看来，这样的数字应该可以毫无问题地识别出来。

谁能给我关于预处理的任何建议？感谢您的帮助。

附:我可以上传我的源代码 (c++)。

Answer 1

我意识到我的错误 - 它根本与预处理无关(感谢 @DavidBrown 和 @John)。我使用手写的数字数据集而不是打印的(大写)。我在网上没有找到这样的数据库，所以我决定自己创建它。我已将我的数据库上传到 Google Drive .

下面是你如何使用它(训练和分类):

int digitSize = 16;
//returns list of files in specific directory
static vector<string> getListFiles(const string& dirPath)
{
    vector<string> result;
    DIR *dir;
    struct dirent *ent;
    if ((dir = opendir(dirPath.c_str())) != NULL)
    {
        while ((ent = readdir (dir)) != NULL)
        {
            if (strcmp(ent->d_name, ".") != 0 && strcmp(ent->d_name, "..") != 0 )
            {
                result.push_back(ent->d_name);
            }
        }
        closedir(dir);
    }
    return result;
}

void DigitClassifier::train(const string& imagesPath)
{
    int num = 510;
    int size = digitSize * digitSize;
    Mat trainData = Mat(Size(size, num), CV_32FC1);
    Mat responces = Mat(Size(1, num), CV_32FC1);

    int counter = 0;
    for (int i=1; i<=9; i++)
    {
        char digit[2];
        sprintf(digit, "%d/", i);
        string digitPath(digit);
        digitPath = imagesPath + digitPath;
        vector<string> images = getListFiles(digitPath);
        for (int j=0; j<images.size(); j++)
        {
            Mat mat = imread(digitPath+images[j], 0);
            resize(mat, mat, Size(digitSize, digitSize));
            mat.convertTo(mat, CV_32FC1);
            mat = mat.reshape(1,1);
            for (int k=0; k<size; k++)
            {
                trainData.at<float>(counter*size+k) = mat.at<float>(k);
            }
            responces.at<float>(counter) = i;
            counter++;
        }
    }
    knn.train(trainData, responces);
}

int DigitClassifier::classify(const Mat& img) const
{
    Mat tmp = img.clone();

    resize(tmp, tmp, Size(digitSize, digitSize));

    tmp.convertTo(tmp, CV_32FC1);

    return knn.find_nearest(tmp.reshape(1, 1), 5);
}