python opencv ocr_OpenCV-Python教程:53.使用SVM进行手写数据的OCR

红太狼 2022-10-22 11:49 136阅读 0赞

import cv2

import numpy as np

SZ=20

bin\_n = 16 \# Number of bins

svm\_params = dict( kernel\_type = cv2.SVM\_LINEAR, svm\_type = cv2.SVM\_C\_SVC, C=2.67, gamma=5.383 )

affine\_flags = cv2.WARP\_INVERSE\_MAP|cv2.INTER\_LINEAR

def deskew(img):

m = cv2.moments(img)

if abs(m\['mu02'\]) < 1e-2:

return img.copy()

skew = m\['mu11'\]/m\['mu02'\]

M = np.float32(\[\[1, skew, -0.5\*SZ\*skew\], \[0, 1, 0\]\])

img = cv2.warpAffine(img,M,(SZ, SZ),flags=affine\_flags)

return img

def hog(img):

gx = cv2.Sobel(img, cv2.CV\_32F, 1, 0)

gy = cv2.Sobel(img, cv2.CV\_32F, 0, 1)

mag, ang = cv2.cartToPolar(gx, gy)

bins = np.int32(bin\_n\*ang/(2\*np.pi))    \# quantizing binvalues in (0...16)

bin\_cells = bins\[:10,:10\], bins\[10:,:10\], bins\[:10,10:\], bins\[10:,10:\]

mag\_cells = mag\[:10,:10\], mag\[10:,:10\], mag\[:10,10:\], mag\[10:,10:\]

hists = \[np.bincount(b.ravel(), m.ravel(), bin\_n) for b, m in zip(bin\_cells, mag\_cells)\]

hist = np.hstack(hists)    \# hist is a 64 bit vector

return hist

img = cv2.imread('digits.png',0)

cells = \[np.hsplit(row,100) for row in np.vsplit(img,50)\]

\# First half is trainData, remaining is testData

train\_cells = \[ i\[:50\] for i in cells \]

test\_cells = \[ i\[50:\] for i in cells\]

\#\#\#\#\#\#    Now training      \#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#

deskewed = \[map(deskew,row) for row in train\_cells\]

hogdata = \[map(hog,row) for row in deskewed\]

trainData = np.float32(hogdata).reshape(-1,64)

responses = np.float32(np.repeat(np.arange(10),250)\[:,np.newaxis\])

svm = cv2.SVM()

svm.train(trainData,responses, params=svm\_params)

svm.save('svm\_data.dat')

\#\#\#\#\#\#    Now testing      \#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#

deskewed = \[map(deskew,row) for row in test\_cells\]

hogdata = \[map(hog,row) for row in deskewed\]

testData = np.float32(hogdata).reshape(-1,bin\_n\*4)

result = svm.predict\_all(testData)

\#\#\#\#\#\#\#  Check Accuracy  \#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#

mask = result==responses

correct = np.count\_nonzero(mask)

print correct\*100.0/result.size

发表评论取消回复

表情：

评论列表（有 0 条评论，136人围观）

还没有评论，来说两句吧...

相关阅读

相关 Python OpenCV教程：使用摄像机进行图像畸变校正

Python OpenCV教程：使用摄像机进行图像畸变校正当我们使用摄像机拍摄图像时，由于镜头和相机的物理特性，会导致图像出现畸变。为了获得更准确的图像，我们需要对图像进行

灰太狼/ 2024年03月26日 21:51/ 0 赞/ 95 阅读

相关 Python+OpenCV：基于SVM手写数据OCR（OCR of Hand-written Data using SVM）

Python+OpenCV：基于SVM手写数据OCR（OCR of Hand-written Data using SVM） dsize = 20 aff

心已赠人/ 2022年12月25日 09:59/ 0 赞/ 125 阅读

相关 Python+OpenCV：基于KNN手写数据OCR（OCR of Hand-written Data using kNN）

Python+OpenCV：基于KNN手写数据OCR（OCR of Hand-written Data using kNN） OCR of Hand-written D

待我称王封你为后i/ 2022年12月25日 01:55/ 0 赞/ 123 阅读

相关手写SVM（SMO）实现对指定数据集的分类

SVM是一个很庞杂的体系，前面我从以下几个方面分别讨论了SVM的大致原理： 1. [机器学习之SVM(Hinge Loss+Kernel Trick)原理推导与解析][

深藏阁楼爱情的钟/ 2022年11月25日 11:55/ 0 赞/ 186 阅读

相关 python opencv ocr_OpenCV-Python教程:53.使用SVM进行手写数据的OCR

import cv2 import numpy as np SZ=20 bin\_n = 16 \ Number of bins svm\_params = dict(

红太狼/ 2022年10月22日 11:49/ 0 赞/ 137 阅读

相关 python svm实现手写数字识别——直接可用

python svm实现手写数字识别——直接可用 1、训练 1.1、训练数据集下载——已转化成csv文件 1.2 、训练源码 2、预

一时失言乱红尘/ 2022年10月11日 12:06/ 0 赞/ 179 阅读

相关使用OpenCV+PCA+KNN/SVM进行人脸检测和识别-Python

注：需要在python中安装opencv库和sklearn库，opencv调用摄像头并检测人脸，sklearn提供PCA、SVM和KNN库。本文共识别三人，所有人脸图像保

墨蓝/ 2022年05月29日 05:47/ 0 赞/ 367 阅读

相关 Python 使用Opencv读写视频（Opencv教程二）

\----------欢迎加入学习交流QQ群：657341423 -------------------- 读取视频并将视频每帧的图像写入到新的视频文件 impo

爱被打了一巴掌/ 2022年05月24日 04:59/ 0 赞/ 379 阅读

相关 Python 使用Opencv读写图片（Opencv教程一）

\----------欢迎加入学习交流QQ群：657341423 -------------------- 基础概念：[图像通道][Link 1]、[图像深度][Link

╰半夏微凉°/ 2022年05月24日 02:41/ 0 赞/ 213 阅读

相关基于opencv的手写数字识别（MFC,HOG,SVM）

参考了秋风细雨的文章：[http://blog.csdn.net/candyforever/article/details/8564746][http_blog.csdn.ne

àì夳堔傛蜴生んèń/ 2022年01月05日 14:27/ 0 赞/ 290 阅读