我想要能够识别图像中的模式（例如数字4），我一直在阅读不同的算法，我真的想使用最近邻算法，它看起来很简单，根据这个教程我也理解了： http://people.revoledu.com/kardi/tutorial/KNN/KNN_Numerical-example.html 问题是，虽然我知道如何使用它来填补缺失的数据集，但我不知道如何将它用作图像形状识别的模式识别工具。请问有人可以向我解释一下这种算法如何可用于模式识别吗？我已经看过使用OpenCV的教程，但我并不想使用这个库，因为我有能力自己进行预处理，而且实现这个简单的最近邻算法应该不需要使用这个库。
3个回答
9
您只需要为数据定义一个“距离”度量即可。
假设您已经将大图像分割成小图像，每个小图像对应于要分类的文本字符。假设我们正在处理数字单色图像，因此每个图像表示为在0-255整数范围内（亮度）的值（像素）的矩形矩阵。也假定（NN是“监督分类算法”），您有许多已经分类良好的图像（训练集）。
给定一个新的小图像，您必须定义两个图像之间的距离，以便选择训练集中最接近的图像，并选择其“标签”作为识别的文本字符。
一个朴素的方法是取像素的差异（例如平方和）。但是这种距离度量会对平移（旋转和缩放）敏感，而我们通常不希望如此。一种替代方法是计算傅里叶变换的模，它是平移不变的（但这还不够）。从这里开始，您可以开始了解到问题的难度，这种分类需要大量的工作才能达到可接受的水平。
假设您已经将大图像分割成小图像，每个小图像对应于要分类的文本字符。假设我们正在处理数字单色图像，因此每个图像表示为在0-255整数范围内（亮度）的值（像素）的矩形矩阵。也假定（NN是“监督分类算法”），您有许多已经分类良好的图像（训练集）。
给定一个新的小图像，您必须定义两个图像之间的距离，以便选择训练集中最接近的图像，并选择其“标签”作为识别的文本字符。
一个朴素的方法是取像素的差异（例如平方和）。但是这种距离度量会对平移（旋转和缩放）敏感，而我们通常不希望如此。一种替代方法是计算傅里叶变换的模，它是平移不变的（但这还不够）。从这里开始，您可以开始了解到问题的难度，这种分类需要大量的工作才能达到可接受的水平。
- leonbloy
2
我在实时视频摄像头的姿态识别中使用了K-最近邻算法。我建议您使用Matlab进行训练和测试数据集，因为它具有PRToolbox，可以用于此目的，并且有很多帮助和示例。
最重要的是，您要正确选择能够稳健地表示每个类别的特征。
一旦您拥有了特征（这将是一组值，如颜色、面积、位置等），以及类别，您需要样本来训练分类器（例如KNN）。与分类器同样重要的是，您如何选择用于训练的样本。然后，您将需要测试分类器。
尝试不同的训练集、不同的特征、不同的分类器，因为也许KNN并不适合您的数据类型。
希望您会发现这个信息有用。
- Jav_Rock
1
- Anand Rajasekar
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接