如何使用 K 最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。我已经在 mathworks 中搜索了 knn 分类，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，我的目标是在使用 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写 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，并成功地将图像分离成一些较小的单个字符图像。

这是重要的第一步，但在您考虑将 KNN 用于字符识别之前，还有很多步骤要做。

1. 您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张字符图像。

2. 您需要手动确定每个图像的正确字符。

如果您将此作为自学练习，那么我确信互联网上有免费可用的数据集，其中包含大量预先标记的字符图像，而不是自己做 1 和 2人们在尝试新算法时使用。

1. 您需要对每张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 - 可能与您尝试预测的事物高度相关的特征（在这种情况下，图像属于哪个字符）。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、字符中直线的数量、线条是水平的还是垂直的，以及相对于整个字符的行长度。

2. 您需要在每个角色图像上评估这些特征。为了自动化，您需要编写更多的图像处理代码来检测和测量每个特征。

3. 完成所有这些后，您将拥有一个大致如下所示的数据集：

______feature1 feature2 feature3 feature4 ... class image1 1 2 1 0 P image2 3 4 0 0 R image3 2 1 1 0 P image4 5 3 0 3 A image5 1 6 0 0 D ... image5768 2 3 1 1 Z image5769 1 6 0 0 D

这个数据集就是您应用 KNN 的对象。您通常会将数据集分成两部分，一部分用于训练，另一部分用于测试。将训练和测试数据集连同训练标签一起传递到 MATLAB 命令knnclassify。输出是测试数据集的预测标签。将这些与实际标签进行比较，看看您的准确度。

我希望这会有所帮助 - 祝你好运！