寫在前面

   最近在學習Opencv，本人android開發狗，對Opencv純屬興趣。一個破本科畢業的我，發現智商完全不夠用，書到用是方恨少，都怪自己數學太渣。好在Opencv封裝得比較好，如果只是使用的話，大概知道原理就知道該怎麼用。經過學習總結，寫了一個小Demo，一方面是自己做的筆記，另一方面也可以給初學者做一個參考，讓大家少走一些彎路。有些東西本來很容易理解，但是太過於概念化反而不好理解，吃了多次虧（可能是自己太渣:-）。其實這個Demo的原理也適用於任何文字手寫識別，只需要修改樣本庫就可以了。

開發環境

 Opencv 3.0

 Xcode 7.3

Opencv 跨平臺，如果不是用的Mac，自己去搜一下環境配置，網上很多資料，這裡不細說。如果你使用的Mac 我這裡有一些老外的簡潔配置視訊，文末和所有程式碼分享給大家。

用到的理論知識

1、          Opencv的Mat基本操作：很簡單啦，就是圖片讀取roi拷貝等。

2、          KNN演算法：K最近鄰(kNN，k-NearestNeighbor)分類演算法，一個簡單有效的分類演算法，看了多個大牛寫的文章，很多人覺得KNN精確度相對較好，我覺得重要的是簡單有效。不懂的話，大家百度一下，我相信你學過向量，基本上就能明白KNN演算法。

3、          HOG 特徵：方向梯度直方圖(Histogramof Oriented Gradient, HOG)特徵，這個需要大家有一定基礎知識，採集過程有點複雜，實話是說我也並沒有完全看懂，但我知道了大概原理。但是網上很多文章介紹這個東東。
    這裡我想說一些我的看法：影象識別的核心技術我認為是影象的描述特徵，而不是高大上的機器學習演算法，什麼是影象特徵?拋開很多亂七八糟的數學符號不說,特徵嘛，唯一標示一個物件的東西了。只不過影象特徵在Opencv裡多是用向量來描述的（說到底就是用一個多維向量來確定一張圖片）。當然其實也可以用任何格式來描述，也可以創造自己的特徵演算法，只有能行之有效。無所謂是用向量啊，函式啊，點集啊，只要能唯一描述一張圖片或者一類圖片就行。你甚至可以直接使用圖片的所有畫素RGB值組成一個向量來作為影象特徵。所以我的建議是當提到影象特徵時不要拘泥於書中的演算法，完全可以大開腦洞，試著去設計自己的特徵演算法。說不定比某位前輩的演算法更精確高效。

手寫數字識別過程介紹

第一步:

當然是資料採集啦，我們根據已有的資料和分類去確定未知的資料屬於哪一類，專業名詞叫“監督學習”，去它的專業名字，我只是個學渣，你給我念八股文J。

為了方便先貼出一段程式碼:

這就是Opencv3.0 採集影象Hog特徵的程式碼,正如我前面所說，Opencv裡面用一個向量來標示一張圖片，至於這個向量怎麼得出來的，就是演算法的事情了。如果你感興趣可以深入研究。這段程式碼的意思是從path這個路徑的圖片採集出它的HOG特徵，descriptors這個vector儲存的就是path這個路徑下的圖片的特徵。換言之，現在就是用descriptors來標示這張圖片了，在以後的圖片匹配啊，計算啊，就用這個vector了，基本上和這個影象沒關係了。在這個Demo專案中，樣本和測試樣本都是128X128的，在實際應用中可能樣本和測試樣本大小不一樣，但要想辦法優化原圖之後進行歸一化，至於HOGDescriptor引數為什麼要這樣設定，大家去網上了解一下HOG特徵原理就知道了，這裡我設定的引數是為了快速和準確而取的一個折衷。按照這個引數採集的最終特徵值是384個,也就是說，現在這張圖片要被這個長度為384的vector來代替。

值得注意的是，手寫的時候可能影象並不能居中，這樣可能會增加誤差，在本Demo中通過輪廓尋找把內容重新拷貝到手寫去中間，來減少誤差。原理如下圖:

第二步：

         使用Opencv自帶的機器學習演算法API，組裝資料，

呼叫Opencv自帶的KNN 分類API，這裡設定K值大小:1=<k<=10（因為我們這裡是0-9共10個數字，相當於10個分類）,最好不要設定成1 ，有時候因為樣本太少可能會導致誤差太大,稍微設定大一點，可以減少誤差。這裡的dataMat就是採集到的所有HOG特徵，labelMat 就是每一行對應代表的是那個值.畫一個草圖就像這樣:

第三步:

通過以上的步驟，現在我們就可以預測或者說是分類識別了:

這裡我使用10張測試圖片，命名是0-9.png,一來方便讀取而來方便對比結果,predict 就是預測分類，注意這裡的去預測這個圖片時候不是呼叫圖片的Mat而是這個影象的HOG特徵，沒想到我僅僅用了對每個手寫數字用了20個樣本，使用了完全不同的10個樣本來測試，竟然都識別出來了.效果還是蠻不錯的。

最終結果：按‘C’鍵清除畫板，按’S’鍵識別

原始碼，文件，環境搭建教程下載地址

github：

https://github.com/woshiwzy/Opencv3.0_Digital-recognition_onMacOS_Xcode_video_source

百度雲盤：

csdn:

http://download.csdn.net/detail/wang382758656/9644725