怎么用C++編程模板匹配超詳細的識別手寫數字

這篇文章主要介紹“怎么用C++編程模板匹配超詳細的識別手寫數字”，在日常操作中，相信很多人在怎么用C++編程模板匹配超詳細的識別手寫數字問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用C++編程模板匹配超詳細的識別手寫數字”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

過程很簡單，如下：

匹配成功：存在一個最小距離（這些距離相等），且為一個數字；存在多個最小距離，且為同一個數字。

拒絕識別：存在多個最小距離，且為不同數字。

識別錯誤：存在一個最小距離，但與被測數字不是相同的數字。

也許乍一看看不明白，我在這里解釋一下，明白的可以繞過。我們這里假設1，2，3（注意，他們的樣本都有多個）為訓練集，d為測試樣本。匹配時匹配到d與1距離最小且只與1距離最小，（可能與多個1的樣本距離最小或者只有一個）那么匹配成功；匹配時匹配到d與1和2的某個樣本都有最小距離，那么拒絕匹配；匹配時匹配到d（假如d是1的樣本）與2有最小距離，那么識別錯誤。

因為圖片處理不是本文章的主要內容，我們跳過圖像處理步驟（有興趣的可以去看圖像處理這門課），直接給處理好的圖片。那么我們該如何構建訓練庫，又該如何讓計算機能夠識別我們的圖片呢？接下來我們來看看如何實現構建訓練庫。

我的實驗中有1000張訓練樣本（200張測試樣本），既然要讓計算機能夠識別，那當然是把圖片數字化。在圖像處理的步驟里，我們得到的訓練樣本都是28*28像素點的圖片，可以想到28*28是一個不小的數量，為了提高處理速度，我們把圖片壓縮成7*7大小的，這樣即提高了處理速度，也方便我們寫代碼，因為7*7和4*4都是正方形。如下圖：

壓縮圖片：我們縱向遍歷7*7的方格，將里面像素大于127的小格子進行計數，當其數量超過6（有的同學會覺得應該是8，因為8是一半，但是8最終得到的正確率太低了，所以我找了一個合適的參數）我們就把大格子對應的7*7的二維數組的相應位置設置為1，反之為0；然后再將數組轉換成字符串，這樣下來我們就會得到一個長度為49的字符串，這個字符串就是我們計算機匹配的核心。

另外，我是先把訓練集和測試集分別數據化，再依次取出來作比較。也可以采用一邊遍歷測試集和處理，一遍作比較，我沒有輸出文件名，因為我采用的方式比較笨，代碼量也很多，主要是因為我之前寫完之后有很多bug，導致我不能成功運行，所以我采用這種簡單代碼來避免錯誤，小伙伴們大可不必用這種方式！

值得注意的是，文件流的打開和關閉的時機也會很大程度上影響代碼運行，這個問題困擾了我很久，希望大家引以為戒，代碼中具體位置我已經標出來了。（標***的位置）另外，大家對于讀文件寫文件的文件流自己去了解，讀文件是ofstream，寫文件是ifstream，每次訪問文件都要打開文件和關閉文件。getline函數每次依次取一行數據，所以我們在遍歷完一個文檔之前不會關閉文檔，也就不會再打開文檔。

最后我對我字符串比較做一個解釋，我是采用了一個標志refused來標志當前字符串有沒有被拒絕識別，當發現相似度（代碼中用total表示的）小于49的就把它賦值給相似度，并且把拒絕識別設置為假，直到找到最小的，當找到最小的之后又找到了另一個相同相似度的，則判斷兩個樣本數字是不是相同的，不是的話就把refused設置為真，即在后面直接輸出拒絕識別。

我判斷兩個樣本是否為同一個數字是通過范圍比對，簡單地來說就是訓練樣本的第0——99個對應測試樣本的第0——19個，這是一個偷懶的辦法，我沒時間改代碼了所以就這樣代替了別人那種文本帶文件名的。（帶文件名比對時還需要去文件名）

其他的解釋我放在代碼里，有助于大家更直接的理解！

#include<iostream>
#include<fstream>
#include<opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>
#include<opencv2/core.hpp>
#include<io.h>                          //api和結構體
#include<string.h>
#include<string>
using namespace std;
using namespace cv;
void ergodicTest(string filename, string name);    //遍歷函數
string Image_Compression(string imgpath);          //壓縮圖片并返回字符串
int distance(string str1, string str2);            //對比函數不一樣的位數
void compare();
int turn(char a);
void main()
{
	const char* filepath = "E:\\learn\\vsfile\\c++project\\pictureData\\train-images";     
	ergodicTest(filepath,"train_num.txt");         //處理訓練集
	const char* test_path= "E:\\learn\\vsfile\\c++project\\pictureData\\test-images";
	ergodicTest(test_path, "test_num.txt");
	compare();   
}
 
void ergodicTest(string filename,string name)       //遍歷并把路徑存到files
{
	string firstfilename = filename + "\\*.bmp";
	struct _finddata_t fileinfo;
	intptr_t handle;            //不能用long，因為精度問題會導致訪問沖突,longlong也可
	string rout = "E:\\learn\\vsfile\\c++project\\pictureData\\" + name;
	ofstream file;
	file.open(rout, ios::out);
	handle = _findfirst(firstfilename.c_str(), &fileinfo);
	if ( _findfirst(firstfilename.c_str(), &fileinfo) != -1)
	{
		do
		{
			file << fileinfo.name << ":" << Image_Compression(filename + "\\" + fileinfo.name) << endl;
		} while (!_findnext(handle, &fileinfo));
		file.close();
		_findclose(handle);
	}
}
string Image_Compression(string imgpath)   //輸入圖片地址返回圖片二值像素字符
{
	Mat Image = imread(imgpath);               //輸入的圖片
	cvtColor(Image, Image, COLOR_BGR2GRAY);
	int Matrix[28][28];                        //將digitization轉化為字符串類型
	for (int row = 0; row < Image.rows; row++)  //把圖片的像素點傳給數組
		for (int col = 0; col < Image.cols; col++)
		{
			Matrix[row][col] = Image.at<uchar>(row, col);
		}
	string img_str = "";                   //用來存儲結果字符串
	int x = 0, y = 0;
	for (int k = 1; k < 50; k++)
	{
		int total = 0;
		for (int q = 0; q < 4; q++)
			for (int p = 0; p < 4; p++)
				if (Matrix[x + q][y + p] > 127) total += 1;
		y = (y + 4) % 28;
		if (total >= 6) img_str += '1';    //將28*28的圖片轉化為7*7即壓縮
		else img_str += '0';
		if (k % 7 == 0)
		{
			x += 4;
			y = 0;
		}
	}
	return img_str;
}
 
int distance(string str1, string str2)  //比對兩個字符串有多少個不一樣
{
	int counts=0;
	for (int i = 0; i < str1.length(); i++)
	{
		if (str1[i] == str2[i]) continue;
		else counts++; 
	}
	return counts;
}
int turn(char a)
{
	stringstream str;
	int f = 1;
	str << a;
	str >> f;
	str.clear();
	return f;
}
 
void compare()
{
	ifstream train_data;//建立讀文件流
	ifstream test_data;
	string tmp1 = "";         //從train中取數據存在tmp1
	string tmp11 = "";
	string tmp2 = "";         //從test中取
	string tmp22 = "";
	bool refused = false; //拒絕識別標志
	int tr_num = 0;       //用來存儲最小值的文件名(訓練集)
	int num_refused = 0;   //拒絕識別個數
	int num_false = 0;     //識別錯誤個數
	int num_true = 0;      //正確識別個數
	test_data.open("E:\\learn\\vsfile\\c++project\\pictureData\\test_num.txt");
	for (int p = 0; p < 200; p++)
	{
		int total = 49;      //方便比大小，設置初值為49
		getline(test_data, tmp2);
		tmp22 = tmp2;    //在切割字符串之前保留，以便后面知曉該字符串是哪個數字的
		if(tmp2.length()==57) tmp2.erase(0,8); //erase函數是用來切割字符串的，這里是切割第0位的后面8位，存剩余的其他位
		else tmp2.erase(0,9);
		train_data.open("E:\\learn\\vsfile\\c++project\\pictureData\\train_num.txt");
		for (int j = 0; j < 1000; j++)         //一個測試樣本和所有訓練樣本對比
		{
			getline(train_data, tmp1);
			tmp11 = tmp1;
			if (tmp1.length() == 57) tmp1.erase(0, 8);
			else tmp1.erase(0, 9);
			if (distance(tmp1, tmp2) < total)  //取最相近的
			{
				refused = false;   //拒絕識別被設置為否，即識別沒有被拒絕
				total = distance(tmp1, tmp2);
				tr_num = turn(tmp11[0]);          //記錄數字
			}
			else if(distance(tmp1, tmp2) == total && tr_num!= turn(tmp11[0]))  //發現相同相似度，且兩者歸屬的數字不同
			{
				refused = true;   //拒絕識別
				continue;          //循環繼續
			}	
		}
		train_data.close();
 
		if (!refused)
		{
			if (tr_num == turn(tmp22[0]))
			{
				//cout << tmp2[0] << endl;
				num_true++;
				cout << "識別為：" << tr_num << endl;
			}
			else
			{
				num_false++;
				cout << "識別錯誤！" << endl;
			}
		}
		else
		{
			num_refused++;
			cout << "拒絕識別！" << endl;
		}
	}
	test_data.close();
	double t = num_true / 200.0, f = num_false / 200.0, r = num_refused / 200.0;
	cout << "正確率為：" << t << endl;
	cout << "錯誤率為：" << f << endl;
	cout << "拒絕識別率為：" << r << endl;
}

代碼中有很多//注釋，都是我調試代碼用的，不用管。

到此，關于“怎么用C++編程模板匹配超詳細的識別手寫數字”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！