利用最近邻法进行图像模式识别

Question

因此，我希望能够识别图像中的模式(例如数字4)，我一直在阅读不同的算法，我真的很想使用最近邻算法，它看起来很简单，我确实基于本教程理解了它：http://people.revoledu.com/kardi/tutorial/KNN/KNN_Numerical-example.html问题是，尽管我知道如何使用它来填充缺失的数据集，但我不明白我如何将其用作模式识别工具来瞄准图像形状识别。有人能解释一下这个算法是如何用于模式识别的吗？我看过使用OpenCV的教程，但是我真的不想使用这个库，因为我有能力自己做预处理，而且我只是为了一个简单的最近邻算法而实现这个库，这似乎很愚蠢。

Answer 1

你只是(简单地？)必须为你的数据定义一个“距离”的度量。

假设你已经将大图像分割成小图像，每个小图像对应一个你想要分类的文本字符。让我们假设我们正在处理数字单色图像，因此每个图像都表示为(比方说) 0-255整数范围(亮度)内的值(像素)的矩形矩阵。它还假设(NN是一种“监督分类算法”)，你有很多已经很好分类的图像(你的训练集)。

给定一个新的小图像，您必须定义两个图像之间的距离，以便选择训练集中最接近的图像，并选择其“标签”作为识别的文本字符。

一种天真的方法是取像素的差值(例如平方和)。但这种距离度量对平移(以及旋转和缩放)很敏感，我们通常不希望出现这种情况。另一种方法是计算傅立叶变换的模数，它是平移不变的(但这还不够)。从这里你可以开始-并认识到问题是困难的，并且这些类型的分类需要大量的工作才能被接受。

Answer 2

我使用K近邻算法进行姿态识别，在一个实时的摄像机姿态识别中。我建议你使用Matlab来训练和测试数据集，因为它有用于此目的的PRToolbox，并且有很多帮助和示例。最重要的一件事是，你要正确地选择那些特性，这些特性可以很好地表示每一个类。一旦你有了特征(这将是一组值，比如颜色，面积，位置...)对于类，您需要样本来训练分类器(例如KNN)。与分类器同样重要的是如何选择用于训练的样本。然后你将不得不测试分类器。

尝试不同的训练集，不同的特征，不同的分类器，因为KNN可能不是最适合您的数据类型的方法。

我希望这对你有用。

Answer 3

下面是一个使用Python http://shyamalapriya.github.io/digit-recognition-using-k-nearest-neighbors/的简单实现