OpenCV-Pythonでのシンプルな数字認識OCR 質問する

さて、私は上記の問題を解決するために、自分の質問について自分で考えてみることにしました。私が望んでいたのは、OpenCV で KNearest または SVM 機能を使用して簡単な OCR を実装することです。以下は私が行ったことと方法です。(これは、簡単な OCR 目的で KNearest を使用する方法を学ぶためだけのものです)。

1)私の最初の質問は、OpenCV サンプルに付属するファイルについてでしたletter_recognition.data。そのファイルの内容が知りたかったのです。

そこには文字と、その文字の 16 個の特徴が含まれています。

そしてthis SOF見つけるのに役立ちました。これらの16の特徴は論文で説明されていますLetter Recognition Using Holland-Style Adaptive Classifiers（最後にいくつかの機能は理解できませんでしたが）

2)わかってはいたのですが、すべての機能を理解していないと、その方法を実行するのは難しいです。他の論文もいくつか試してみましたが、どれも初心者には少し難しかったです。

そこで、すべてのピクセル値を特徴として採用することにしました。(精度やパフォーマンスについては気にせず、少なくとも最低限の精度で動作することだけを望んでいました)

トレーニング データとして以下の画像を使用しました。

(トレーニングデータの量が少ないことは承知しています。しかし、すべての文字が同じフォントとサイズなので、これを試してみることにしました)。

トレーニング用のデータを準備するために、OpenCV で小さなコードを作成しました。このコードは次のことを行います。

1. 画像を読み込みます。
2. 数字を選択します (当然のことながら、輪郭を検出し、文字の面積と高さに制約を適用して誤検出を回避します)。
3. 1 つの文字の周囲に境界四角形を描画し、 を待ちますkey press manually。今回は、ボックス内の文字に対応する数字キーを自分で押します。
4. 対応する数字キーが押されると、このボックスのサイズが 10x10 に変更され、100 個のピクセル値すべてが配列 (ここではサンプル) に保存され、対応する手動で入力された数字が別の配列 (ここでは応答) に保存されます。
5. 次に、両方の配列を別々の.txtファイルに保存します。

数字の手動分類の最後に、トレーニング データ ( train.png) 内のすべての数字が手動でラベル付けされ、画像は次のようになります。

以下は、上記の目的で使用したコードです (もちろん、それほどきれいではありません)。

import sys

import numpy as np
import cv2

im = cv2.imread('pitrain.png')
im3 = im.copy()

gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray,(5,5),0)
thresh = cv2.adaptiveThreshold(blur,255,1,1,11,2)

#################      Now finding Contours         ###################

contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

samples =  np.empty((0,100))
responses = []
keys = [i for i in range(48,58)]

for cnt in contours:
    if cv2.contourArea(cnt)>50:
        [x,y,w,h] = cv2.boundingRect(cnt)
        
        if  h>28:
            cv2.rectangle(im,(x,y),(x+w,y+h),(0,0,255),2)
            roi = thresh[y:y+h,x:x+w]
            roismall = cv2.resize(roi,(10,10))
            cv2.imshow('norm',im)
            key = cv2.waitKey(0)

            if key == 27:  # (escape to quit)
                sys.exit()
            elif key in keys:
                responses.append(int(chr(key)))
                sample = roismall.reshape((1,100))
                samples = np.append(samples,sample,0)

responses = np.array(responses,np.float32)
responses = responses.reshape((responses.size,1))
print "training complete"

np.savetxt('generalsamples.data',samples)
np.savetxt('generalresponses.data',responses)

import cv2
import numpy as np

#######   training part    ############### 
samples = np.loadtxt('generalsamples.data',np.float32)
responses = np.loadtxt('generalresponses.data',np.float32)
responses = responses.reshape((responses.size,1))

model = cv2.KNearest()
model.train(samples,responses)

############################# testing part  #########################

im = cv2.imread('pi.png')
out = np.zeros(im.shape,np.uint8)
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray,255,1,1,11,2)

contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    if cv2.contourArea(cnt)>50:
        [x,y,w,h] = cv2.boundingRect(cnt)
        if  h>28:
            cv2.rectangle(im,(x,y),(x+w,y+h),(0,255,0),2)
            roi = thresh[y:y+h,x:x+w]
            roismall = cv2.resize(roi,(10,10))
            roismall = roismall.reshape((1,100))
            roismall = np.float32(roismall)
            retval, results, neigh_resp, dists = model.find_nearest(roismall, k = 1)
            string = str(int((results[0][0])))
            cv2.putText(out,string,(x,y+h),0,1,(0,255,0))

cv2.imshow('im',im)
cv2.imshow('out',out)
cv2.waitKey(0)