利用SVM(支持向量机)和MNIST库在OpenCV环境下实现手写数字0~9的识别

SVM是一种有机监督的机器学习方式，什么叫有监督？就是机器在学习时，有先验知识~SVM的理论细节很复杂，因为现在还不需要，所以博主也没有去深入研究，以后需要的时候再去学习吧。简单地说，SVM就是把一幅图进行各种运算，提取出一幅图像的特征，特征用向量表示，通过不断的学习，让这个向量越来越逼近图像的真实特征，具体的手段是把图像数据不断往高维抽像。

OpenCV3.0.0中提供了类SVM用于实现SVM支持向量机算法，实际上这个类调用的是台湾林智仁等开发设计的LIBSVM来实现SVM训练的，详细的使用方法可参见网页http://blog.sina.com.cn/s/blog_4c70701801013xui.html 

既然是调用别人写好的算法，那程序就简单了，接下来，就是要给SVM喂食（提供训练库），MNIST库是美国人提供的一个免费的手定数字识别库，我前边已经写了博文给了下载地址：手写数字图片库MNIST百度网盘下载链接~ 这个库由四部分组成，下面分别介绍：

train-images-idx3-ubyte：训练图像源

train-labels-idx1-ubyte：训练图像的标签-就是"train-images-idx3-ubyte"中每幅图像中写的是什么数字

t10k-images-idx3-ubyte：测试图像

t10k-labels-idx1-ubyte：测试图像的标签-就是"t10k-images-idx3-ubyte"中每幅图像中写的是什么数字

下面是使用上面的训练图像和测试图像进行SVM训练并进行性能测试的代码：

PS: 代码比较简单，注释也写得很清楚，这里就不作解释了！‘

代码中用到的训练库我上面已经提供了下载链接！

//OpenCV版本3.0.0  //交流QQ2487872782 代码编号：2016-8-001抱歉，此代码目前暂不能公开，如需代码，请联系QQ2487872782购买！本篇博文中的几个代码打包售价30元人民币！

运行结果如下图所示：

从运行结果中我们可以看出，六万张训练生成SVM的XML文件用了564秒，随后用训练的结果进行训练数据的测试，一万张测试图片正确的识别个数为9833，错误率为1.67%。

接下来，我们修改程序，使其识别测试库t10k-images-idx3-ubyte的单张图像，手写数字图片库MNIST百度网盘下载链接~有一个压缩包，里边已经把测试图像全面输出为一张一张的bmp图像，我们用其中一张图像进行测试，以便进一步测试我们自己手写的图像。这段代码的关键是要将单幅图像的格式转化为类SVM中predict能处理的数据格式。代码如下：

代码中用到的XML文件和两幅图像下载链接：http://pan.baidu.com/s/1bpwqN8b

//OpenCV版本3.0.0  //交流QQ2487872782 代码编号：2016-8-002抱歉，此代码目前暂不能公开，如需代码，请联系QQ2487872782购买！本篇博文中的几个代码打包售价30元人民币！

运行结果如下所示：

  

可见，能正确识别单幅测试图像！

接下来，再修改程序，使其能识别自己手写的单个数字（既然是单个，则无分割问题）：

程序中用到的手写数字图像下载链接：http://pan.baidu.com/s/1o7JuKGE

特别说明一下：程序中，提取数字所在区域的立式外接矩形我通过手工确定在boundRect[的第9个，实际上每幅图像是不一样的，甚至更一般的情况下需要写专门的程序作处理，在实际应用时，必须要修改这一部分程序，否则根本没有通用性，提供一下我现在想到的思路吧：把boundRect[中最左上的坐标和最右下的坐标找出来，这两个点构成的矩形就是数字的外接矩形了！

//OpenCV版本3.0.0    代码编号：2016-8-003抱歉，此代码目前暂不能公开，如需代码，请联系QQ2487872782购买！本篇博文中的几个代码打包售价30元人民币！ 

运行结果如下图所示：

输出的28*28图像下载链接：http://pan.baidu.com/s/1slTEowP

用上面的程序输出的图像导入到上面给的识别单幅图像的程序中，结果如下：

可见，自己手写的数字通过一系列图像预处理操作后可以被正确识别！