matlab - 如何使用K近邻分类进行字符预测

Question

我已经使用上面的代码进行图像分割和提取，但是我们如何使用knn进行分类呢？我需要代码方面的帮助。我在 mathworks 中搜索了 knn recognize 但我无法理解语法。任何有关代码的帮助将不胜感激。

执行后得到如下结果:

如果我是正确的，我的目标是使用 knn 分类后预测 matlab 编译器或记事本中的字符，但我无法在上述代码之后编码 k 最近邻。

%% Image segmentation and extraction
%% Read Image
imagen=imread('C:\Documents and Settings\vijaykumar\Desktop\v.jpg');
%% Show image
figure(1)
imshow(imagen);
title('INPUT IMAGE WITH NOISE')
%% Convert to gray scale
if size(imagen,3)==3 % RGB image
    imagen=rgb2gray(imagen);
end
%% Convert to binary image
threshold = graythresh(imagen);
imagen =~im2bw(imagen,threshold);
%% Remove all object containing fewer than 30 pixels
imagen = bwareaopen(imagen,30);
pause(1)
%% Show image binary image
figure(2)
imshow(~imagen);
title('INPUT IMAGE WITHOUT NOISE')
%% Label connected components
[L Ne]=bwlabel(imagen);
%% Measure properties of image regions
propied=regionprops(L,'BoundingBox');
hold on
%% Plot Bounding Box
for n=1:size(propied,1)
    rectangle('Position',propied(n).BoundingBox,'EdgeColor','g','LineWidth',2)
end
hold off
pause (1)
%% Objects extraction
figure
for n=1:Ne
    [r,c] = find(L==n);
    n1=imagen(min(r):max(r),min(c):max(c));
    imshow(~n1);
    pause(0.5)
end

Answer 1

所以你在这里所做的是拍摄一个单词的图像，并成功地将图像分成一些较小的单个字符图像。

这是重要的第一步，但在您考虑应用 KNN 进行字符识别之前，还有很多步骤要做。

1. 您将需要获得更大的字符图像集。我以前从未亲自做过字符识别，但根据我在其他分类任务中的经验，我估计要获得好的结果，您可能需要至少几千个字符图像。

2. 您需要手动确定每个图像的正确字符。

如果您这样做是为了自学练习，那么我确信互联网上有免费的数据集，其中包含大量预先标记的角色图像，而不是自己进行 1 和 2用来尝试新算法的人。

您需要对每个图像进行一些特征提取。这意味着您需要为每个图像提出几个测量特征 - 这些特征可能与您尝试预测的事物高度相关(在本例中是图像的字符)。我根本不是字符识别方面的专家，但我建议有用的特征可能是字符中的孔数、字符中的直线数、线条是水平还是垂直以及相对于整个字符的线条长度。

您需要评估每个角色图像的这些特征。为了实现自动化，您需要编写更多图像处理代码来检测和测量每个特征。

完成所有这些操作后，您将拥有一个大致如下所示的数据集:

______feature1 feature2 feature3 feature4 ... 类 图片1 1 2 1 0 P 图像2 3 4 0 0 R 图片3 2 1 1 0 P 图 4 5 3 0 3 A 图片5 1 6 0 0 D ... 图像5768 2 3 1 1 Z 图像5769 1 6 0 0 D

该数据集是您应用 KNN 的数据集。您通常会将数据集分为两部分，一部分用于训练，另一部分用于测试。将训练和测试数据集以及训练标签传递到 MATLAB 命令 knnclassify。输出是测试数据集的预测标签。将它们与实际标签进行比较，看看您的准确性如何。

我希望这会有所帮助 - 祝你好运!