opencv 手写选择题阅卷 (二)字符识别

opencv 手写选择题阅卷 (二)字符识别

选择题基本上只需要识别ABCD和空五个内容,理论上应该识别率比较高的,识别代码参考了网上搜索的代码,因为参考的网址比较多,现在也弄不清是参考何处的代码了,在这里就不一一感谢了.

基本步骤:

一,识别函数接受一般64X64的灰度图像;

二,二值化并反色为黑底白字;

三,找出字符的最小包围矩形,并大小归一化为32X32;

四,计算图像的HOG特征;

五,用SVM分类器对HOG特征进行识别,从而确定当前图像属于ABCD还是空白;

整个识别代码还是比较简单的.这得得益于opencv 对分类器的封装,除了图像预处理代码,实际识别代码只有几行;

部分代码

CvSVM svm;int svm_inited = 0;int svm_init(char * data_filename){    svm.load(data_filename);//"HOG_SVM_DATA.xml"    svm_inited = 1;    return 0;}//int svm_recognition(IplImage* image){    if (svm_inited != 1){        return -1;     }    //预处理    IplImage* test_img = cvCreateImage(cvSize(32, 32), 8, 1);    preproc_img(image, test_img);//处理为黑底白字,并大小归一化#ifdef _WIN32    cvShowImage("Image", test_img);    cvWaitKey(0);#endif    //特征提取    HOGDescriptor *hog = new HOGDescriptor(cvSize(32, 32), cvSize(16, 16), cvSize(8, 8), cvSize(8, 8), 9);    vector<float> descriptors;//存放结果    hog->compute(test_img, descriptors, Size(1, 1), Size(0, 0)); //Hog特征计算    cvReleaseImage(&test_img);//释放不需要的图像,释放内存    //生成要检测的特征数据矩阵    CvMat * mat_samples = cvCreateMat(1, descriptors.size(), CV_32FC1);    int n = 0;    for (vector<float>::iterator iter = descriptors.begin(); iter != descriptors.end(); iter++)    {        cvmSet(mat_samples, 0, n, *iter);        n++;    }    //识别    int ret = svm.predict(mat_samples);//检测结果    cvReleaseMat(&mat_samples);    return ret;}