KNearest 및 SVM 알고리즘을 사용하여 OpenCV-Python에서 기본 숫자 인식 OCR 시스템을 어떻게 구현할 수 있습니까?

OpenCV-Python의 간단한 숫자 인식 OCR

소개

이 글은 OpenCV-Python을 사용하여 기본적인 숫자 인식 OCR(광학 문자 인식) 시스템을 구현합니다. 두 가지 인기 있는 기계 학습 알고리즘인 KNearest와 SVM을 살펴보겠습니다.

질문 1: Letter_recognition.data 파일

Letter_recognition.data는 OpenCV-Python에 포함된 데이터 세트입니다. 샘플. 여기에는 각 문자에 대한 16개의 기능 값과 함께 손으로 쓴 문자 모음이 포함되어 있습니다. 이 파일은 다양한 문자 인식 작업을 위한 훈련 데이터로 사용됩니다.

자신만의 Letter_recognition.data 구축:

다음 단계에 따라 자신만의 letter_recognition.data 파일을 생성할 수 있습니다. :

1. 각 문자가 10x10 픽셀 이미지로 표시되는 문자 데이터세트를 준비합니다.
2. 각 이미지에서 픽셀 값을 추출하여 100개 값의 특징 벡터를 형성합니다.
3. 각 문자에 레이블(0-25, A-Z에 해당)을 수동으로 할당합니다.
4. 특징 벡터와 레이블을 텍스트 파일에 저장하고 각 행은 ,,...,

질문 2: KNearest의 results.ravel()

results.ravel( )는 인식된 숫자 배열을 다차원 배열에서 평면 1D 배열로 변환합니다. 이렇게 하면 결과를 더 쉽게 해석하고 표시할 수 있습니다.

질문 3: 간단한 숫자 인식 도구

letter_recognition.data를 사용하여 간단한 숫자 인식 도구를 만들려면 다음을 따르세요. 단계:

데이터 준비:

• 사용자 정의 letter_recognition.data 파일을 로드하거나 OpenCV의 샘플을 사용하세요.

훈련:

• KNearest 또는 SVM 분류기 인스턴스를 생성합니다.
• letter_recognition.data의 샘플과 응답을 사용하여 분류기를 훈련합니다.

테스트:

• 인식할 숫자가 포함된 이미지를 로드합니다.
• 이미지를 전처리하여 개별 숫자를 분리합니다.
• 각 숫자를 변환합니다. 숫자를 특징 벡터(100픽셀 값)로 변환합니다.
• 훈련된 분류기를 사용하여 각 특징 벡터에 가장 가까운 일치 항목을 찾고 해당 숫자를 표시합니다.

예제 코드 :

import numpy as np
import cv2

# Load data
samples = np.loadtxt('my_letter_recognition.data', np.float32, delimiter=',', converters={ 0 : lambda ch : ord(ch)-ord('A') })
responses = a[:,0]

# Create classifier
model = cv2.KNearest()
model.train(samples, responses)

# Load test image
test_img = cv2.imread('test_digits.png')

# Preprocess image
gray = cv2.cvtColor(test_img, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray, 255, 1, 1, 11, 2)

# Extract digits
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
digits = []
for cnt in contours:
    if cv2.contourArea(cnt) > 50:
        [x, y, w, h] = cv2.boundingRect(cnt)
        roi = thresh[y:y+h, x:x+w]
        roismall = cv2.resize(roi, (10, 10))
        digits.append(roismall)

# Recognize digits
results = []
for digit in digits:
    roismall = roismall.reshape((1, 100))
    roismall = np.float32(roismall)
    _, results, _, _ = model.find_nearest(roismall, k=1)
    results = results.ravel()
    results = [chr(int(res) + ord('A')) for res in results]

# Display results
output = cv2.cvtColor(test_img, cv2.COLOR_BGR2RGB)
for (digit, (x, y, w, h)) in zip(results, contours):
    cv2.rectangle(output, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.putText(output, str(digit), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

cv2.imshow('Output', output)
cv2.waitKey(0)

이 예제에서는 숫자 인식에 KNearest를 사용하지만 대신 SVM 분류자를 생성하여 이를 SVM으로 대체할 수 있습니다.

위 내용은 KNearest 및 SVM 알고리즘을 사용하여 OpenCV-Python에서 기본 숫자 인식 OCR 시스템을 어떻게 구현할 수 있습니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!