【说明】

手写数字识别的实现方式很多。

本文尽量将其简化，以让大家能够快速了解怎样实现一个动起来的系统。

【截图】

【思路】

1.特征提取

将图像划分为5*5大小的区域，然后计算该区域内黑色（或白色）的像素点所占比例。

将需要测试的图像、用来分类的图像都进行特征提取。

2.计算当前的测试图像与用来分类的图像之间的欧氏距离。

3.找出欧式距离最小的值即为与当前测试图像最匹配的图像，即将该图像所代表的数字作为当前测试图像的结果。

4.为了处理上的方便，做了简化处理如下：

4.1仅仅选用10幅用来分类的图像。

在实际应用中，10幅图像远远是不够的。但是为了简化程序，这里仅仅选用10幅图像，即数字0~9每个数字仅仅选用了一个特征。

在实际系统内，当选用的特征图像越多时，系统的准确度越高。

4.2采用了最近邻。即选用欧式距离最小的图像作为当前测试图像的结果。

在实际系统中，往往需要采用K近邻，即选择最小的K个欧式距离，判断他们分别属于哪个类从而决定当前数字结果。

因为简化的原因，数字识别的正确率不是很高。但是基本能够满足学习的需求。

【部分代码】

该系统采用QT+OpenCV开发完成，部分代码如下：

【主类内变量及槽函数】

1. public:
2. explicit MainWindow(QWidget *parent = 0);
3. ~MainWindow();
4. cv::Mat testImage,srcImage[10],tempImage;//testImage值要测试的数字图像，srcImage指已经有的用来实现分类的数字图像
5. QImage img;
6. float testFeature[25];//该数组用来存储待检测数字图像的特征值。
7. float srcFeature[10][25];//用来存储原始数字图像的特征值。只有10个数字0~9的图像
8. void getFeature(cv::Mat m,float a[25]);//这里定义一个获取图像特征的函数。
9. float ouDistance(float a[25],float b[25]);
10. float oDistance(float a[25],float b[25]);
11. private slots:
12. void on_openLenaJpg_triggered();
13. void on_exitSystem_triggered();
14. void on_openCustomeFile_triggered();
15. void on_restoreFile_triggered();
16. void on_copyright_triggered();
17. void on_about_triggered();
18. void on_showImage_triggered();
19. void on_showMessage_triggered();
20. void on_ImageAndMessage_triggered();

【打开自定义路径待测图像】

1. void MainWindow::on_openCustomeFile_triggered()
2. {
3. QString filename = QFileDialog::getOpenFileName(this,tr("Open Image"),"",tr("Image File(*.bmp *.jpg *.jpeg *.png)"));
4. QTextCodec *code = QTextCodec::codecForName("gb18030");
5. std::string name = code->fromUnicode(filename).data();
6. testImage = cv::imread(name);
7. if(!testImage.data)
8. {
9. QMessageBox msgBox;
10. msgBox.setText(tr("未找到数据"));
11. msgBox.exec();
12. }
13. else
14. {
15. cv::cvtColor(testImage,testImage,CV_BGR2RGB);
16. img = QImage((const unsigned char*)(testImage.data),testImage.cols,testImage.rows, testImage.cols*testImage.channels(), QImage::Format_RGB888);
17. ui->label1->clear();
18. img= img.scaled(ui->label1->width(), ui->label1->height());
19. ui->label1->setPixmap(QPixmap::fromImage(img));
20. //ui->processPushButton->setEnabled(true);
21. // ui->label1->resize(ui->label1->pixmap()->size());//设置当前标签为图像大小
22. // ui->label1->resize(img.width(),img.height());
23. //this->setWidget(label1);
24. }
25. }

【图像特征提取：完成图像5*5=25个特征，每个特征表示该子区域内白像素个数】

1. void MainWindow::getFeature(cv::Mat m,float a[25])
2. {
3. int M,N; //用来存储图像m的宽高
4. int i,j;
5. M=m.cols;
6. N=m.rows;
7. for(i=0;i<25;i++)
8. a[i]=0;
9. // QMessageBox::information(NULL, "Title", QString::number(m.at<uchar>(188,88)), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
10. for(i=0;i<M;i++)
11. for(j=0;j<N;j++)
12. if(m.at<uchar>(i,j)==255)
13. {
14. // a[i/5*5+j/5]++; //这里计算错误，不能放入对应的特征值内
15. // QMessageBox::information(NULL, "Title", QString::number(5), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
16. // a[M/i*5+N/j]++;
17. //a[M/(i+1)*5+N/(j+1)]++;
18. a[i/(M/5)*5+j/(N/5)]++;
19. // QMessageBox::information(NULL, "Title","add", QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
20. }
21. for(i=0;i<25;i++)
22. {
23. // QMessageBox::information(NULL, "Title", QString::number(a[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
24. a[i]=a[i]/((M/5)*(N/5));
25. // QMessageBox::information(NULL, "Title", QString::number(a[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
26. // QMessageBox::information(NULL, "Title", QString::number(5), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
27. }
28. // QMessageBox::information(NULL, "Title", QString::number(a[5]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
29. }

【欧氏距离计算，第二个函数是测试用的】

1. float MainWindow::ouDistance(float a[25],float b[25]) //这个函数居然忘记写MainWindow的类关系，调试好久，瀑布汗！
2. {
3. int i;
4. float distance=0;//开始忘记置零，出错呀！！！
5. for(i=0;i<25;i++)
6. distance+=(a[i]-b[i])*(a[i]-b[i]);
7. distance=sqrt(distance);
8. return distance;
9. }
10. float MainWindow::oDistance(float a[25],float b[25]) //这个函数是ouDistance出问题时测试的，并没有用
11. {
12. int i;
13. float distance=0; //开始忘记置零，出错呀！！！
14. //,为了测试ouDistance函数，重写了oDistance发现问题，结果再次出现问题一直却一直在此函数修改。而调用函数用的还是ouDistance
15. for(i=0;i<25;i++)
16. distance+=(a[i]-b[i])*(a[i]-b[i]);
17. distance=sqrt(distance);
18. return distance;
19. }

【说明】

1. void MainWindow::on_copyright_triggered()
2. {
3. QMessageBox::information(this,"版权",tr("本软件版权所有者为：天津职业技术师范大学。如果使用，请联系：lilizong#gmail"));
4. }
5. void MainWindow::on_about_triggered()
6. {
7. QMessageBox::information(this,"关于",tr("本软件当前版本为1.0，由李立宗等人开发。如果有问题，欢迎联系：lilizong#gmail"));
8. return;
9. }

【显示测试结果：一个图像、一个信息框】

1. void MainWindow::on_ImageAndMessage_triggered()
2. {
3. int i;
4. float min; //用来存储最小的欧式距离
5. int mini; //用来存储最小的欧氏距离的数字号。
6. getFeature(testImage,testFeature); //获取测试图像的特征值，并将其放到testFeature数组内。
7. // QMessageBox::information(NULL, "Title", QString::number(testFeature[6]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
8. //测试当前的testFeature是否正常
9. /*
10. for(i=0;i<25;i++)
11. QMessageBox::information(NULL, "Title", QString::number(testFeature[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
12. */
13. // QMessageBox::information(NULL, "Title", QString::number(testImage.rows), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
14. for(i=0;i<10;i++)
15. {
16. QString filePath,fileName,allName;
17. filePath="image\\stand\\"; //当前图像目录
18. fileName=".bmp"; //当前图像的扩展名
19. allName=filePath+"\\"+QString::number(i)+fileName; //i是文件名，使用QString::number(i)完成将其转换为QString类型，当前为数值型
20. String s=allName.toStdString(); //转换为标准的字符串型，imread不识别QString类型
21. srcImage[i] = cv::imread(s);
22. }
23. //以下部分用于测试上述代码是否能够将srcImage的值获取到。
24. /*
25. cv::cvtColor(srcImage[3],srcImage[3],CV_BGR2RGB);
26. img = QImage((const unsigned char*)(srcImage[3].data),srcImage[1].cols,srcImage[1].rows, srcImage[1].cols*srcImage[1].channels(), QImage::Format_RGB888);
27. ui->label1->clear();
28. img= img.scaled(ui->label1->width(), ui->label1->height());
29. ui->label1->setPixmap(QPixmap::fromImage(img));
30. */
31. // 获取原始数字图像的特征值。
32. for(i=0;i<10;i++)
33. getFeature(srcImage[i],srcFeature[i]);
34. /*
35. for(i=0;i<25;i++)
36. QMessageBox::information(NULL, "Title", QString::number(srcFeature[0][i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
37. */
38. float ouDistanceValue[10]={0}; //存储当前测试图像与已知的十个数字图像之间的欧氏距离
39. for(i=0;i<10;i++)
40. {
41. ouDistanceValue[i]=ouDistance(testFeature,srcFeature[i]);
42. // ouDistanceValue[i]=i;
43. }
44. //总是不能得到结果，测试下ouDistance有没有问题。
45. /*
46. for(i=0;i<10;i++)
47. QMessageBox::information(NULL, "Title", QString::number(ouDistanceValue[i]), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
48. */
49. mini=0;
50. min=ouDistanceValue[0]; //给min赋个初始值，假设与数字0的距离最小。
51. for(i=0;i<10;i++)
52. {
53. if(min>ouDistanceValue[i])
54. {
55. min=ouDistanceValue[i];
56. mini=i;
57. }
58. }
59. // QMessageBox::information(NULL, "Title", QString::number(mini), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
60. //上述语句测试一下mini是否能够取得正确的值
61. //将与当前测试图像匹配的图像显示在label2内
62. cv::cvtColor(srcImage[mini],srcImage[mini],CV_BGR2RGB);
63. img = QImage((const unsigned char*)(srcImage[mini].data),srcImage[mini].cols,srcImage[mini].rows, srcImage[mini].cols*srcImage[mini].channels(), QImage::Format_RGB888);
64. ui->label2->clear();
65. img= img.scaled(ui->label2->width(), ui->label2->height());
66. ui->label2->setPixmap(QPixmap::fromImage(img));
67. //将当前图像的匹配结果显示在一个消息框内
68. QMessageBox::information(NULL, "测试结果", "当前测试图像的识别结果为数字："+QString::number(mini), QMessageBox::Yes | QMessageBox::No, QMessageBox::Yes);
69. }