准确的二值图像分类

Posted 2023-02-23

【中文标题】准确的二值图像分类

【英文标题】：Accurate binary image classification

【发布时间】：2012-04-18 14:21:25

【问题描述】：

我正在尝试从一个项目的游戏板上提取字母。目前，我可以检测游戏板，将其分割成单独的方块并提取每个方块的图像。

我得到的输入是这样的（这些是单独的字母）：

起初，我计算每张图像的黑色像素数量，并将其用作识别不同字母的方法，这对于受控输入图像来说效果不错。不过，我遇到的问题是，对于与这些略有不同的图像，我无法使其工作。

每个字母我有大约 5 个样本用于训练，这应该足够了。

有人知道为此使用什么好的算法吗？

我的想法是（在标准化图像之后）：

计算图像和每个字母图像之间的差异，以查看哪个产生的错误最少。不过，这不适用于大型数据集。 检测角点并比较相对位置。 ???

任何帮助将不胜感激！

【问题讨论】：

嘿，我在测试图像上尝试了 Tessearact，然后稍微扩大了它们，但它失败了（即使在将分割模式设置为“一个单词”之后）。 OCR 对于 IMO 这种特定情况似乎有点过头了，因为每种情况下的图像都非常相似。

缩放和旋转不变性怎么样？

旋转可以忽略不计，并且不会像水平压缩那样扭曲字母。至于比例，我将每个图像标准化为固定大小。

【参考方案1】：

我认为这是某种监督学习。您需要对图像进行一些特征提取，然后根据您为每张图像计算的特征向量进行分类。

特征提取

乍一看，特征提取部分对于Hu-Moments 来说似乎是一个很好的场景。只需计算image moments，然后从这些计算cv::HuMoments。然后你有一个 7 维实值特征空间（每个图像一个特征向量）。 或者，您可以省略此步骤并将每个像素值用作单独的特征。我认为this answer 中的建议朝着这个方向发展，但增加了 PCA 压缩以降低特征空间的维数。

分类

至于分类部分，你几乎可以使用任何你喜欢的分类算法。您可以对每个字母使用 SVM（二进制是 - 否分类），您可以使用 NaiveBayes（最大可能字母是多少），或者您可以使用 k-NearestNeighbor（kNN，特征空间中的最小空间距离）方法，例如flann。

特别是对于基于距离的分类器（例如 kNN），您应该考虑对特征空间进行归一化（例如，将所有维度值缩放到欧几里德距离的某个范围，或使用马氏距离之类的东西）。这是为了避免在分类过程中过度表示具有较大值差异的特征。

评估

当然，您需要训练数据，即给定正确字母的图像特征向量。 还有一个过程，用于评估您的过程，例如交叉验证。

---

在这种情况下，您可能还想查看template matching。在这种情况下，您会将候选图像与训练集中的可用模式进行卷积。输出图像中的高值表明该图案很有可能位于该位置。

【讨论】：

非常感谢您的帮助！我已经计算了单个图像的 Hu 矩，但在那之后，分类让我遇到了很多错误。希望我能在第二天左右让它工作，看看效果如何！

刚刚让分类器工作！对于我的训练数据（duh）来说，它是 100% 准确的，但在新输入方面存在一些问题。我将使用更准确的样本对其进行更多训练。

作为状态更新，我发现拥有高质量的训练数据和图像并不是一个好主意。当我将图像大小调整为（奇怪的是）5px by 5px 时，我的准确率提高到 100%。

@Blender 这是一个相当奇怪的结果。你如何计算你的准确率？无论如何，如果它是一个研究项目，而您无法解释它为什么会起作用，那么这对您来说可能是个问题。

这不是一个真正的学习项目，但我想在业余时间学习机器学习和图像处理。我认为计算的 Hu 矩对于不同的图像类别不够明显，这降低了 K-means 算法正确分类输入图像的能力。我目前正在将图像转换为 15x15 的 1 和 0 矩阵（代表黑色的矩阵），然后将它们展平为 255 个元素列表。这让我对任意输入更加准确。非常感谢您的帮助！

【参考方案2】：

这是一个识别问题。我个人会结合使用PCA 和机器学习技术（可能是SVM）。这些都是相当大的话题，所以恐怕我不能详细说明，但这是非常基本的过程：

收集您的训练图像（每个字母不止一张，但不要发疯） 给它们贴上标签（可能意味着很多东西，在这种情况下，这意味着将字母分组为逻辑组 - 所有 A 图像 -> 1，所有 B 图像 -> 2，等等） 训练您的分类器 通过 PCA 分解运行所有内容 将所有训练图像投影到 PCA 空间中 通过 SVM 运行投影图像（如果是一类分类器，则一次处理一个，否则一次处理。） 节省您的 PCA 特征向量和 SVM 训练数据 运行识别 加载到您的 PCA 空间中 加载您的 SVM 训练数据 对于每个新图像，将其投影到 PCA 空间并要求您的 SVM 对其进行分类。 如果您得到答案（数字），请将其映射回字母（1 -> A、2 -> B 等）。

【参考方案3】：

Basic OCR in OpenCV（C 示例） Breaking CAPTCHA（Python 示例，但帖子是用巴西葡萄牙语写的）

【讨论】：

我通读了第二个，我似乎已经这样做了（比较不同的像素并找到最小化该错误的图像）。第一个有点隐蔽，并没有很好地解释发生了什么，但感谢您提供的链接！我将研究第一个是如何工作的。

【参考方案4】：

几天前我遇到了类似的问题。但这是数字识别。不适用于字母表。

我为此使用 OpenCV 中的 kNearestNeighbour 实现了一个简单的 OCR。

下面是链接和代码：

Simple Digit Recognition OCR in OpenCV-Python

为字母实现它。希望它有效。

【讨论】：

当我实际编写算法时，这个答案真的很有帮助。谢谢！

【参考方案5】：

您可以尝试通过将训练数据（约 50 张 1s、2s、3s....9s 的图像）上传到demo.nanonets.ai（免费使用）来构建模型

1) 在此处上传您的训练数据：

demo.nanonets.ai

2) 然后使用以下（Python 代码）查询 API：

import requests
import json
import urllib
model_name = "Enter-Your-Model-Name-Here"
url = "http://images.clipartpanda.com/number-one-clipart-847-blue-number-one-clip-art.png"
files = 'uploadfile': urllib.urlopen(url).read()
url = "http://demo.nanonets.ai/classify/?appId="+model_name
r = requests.post(url, files=files)
print json.loads(r.content)

3) 响应如下：

  "message": "Model trained",
  "result": [
    
      "label": "1",
      "probability": 0.95
    ,
    
      "label": "2",
      "probability": 0.01
    ,

     ....

    
      "label": "9",
      "probability": 0.005
    
  ]

【参考方案6】：

请看这两个OCR相关的答案

Scoreboard digit recognition using OpenCV

这里

OCR of low-resolution text from screenshots

【参考方案7】：

由于您的图像来自棋盘游戏的计算机屏幕，因此变化不能“太疯狂”。我刚刚得到了解决同一类型问题的方法。我通过裁剪到“核心”来标准化我的图像。

每个字母有 5 个样本，您可能已经拥有完整的覆盖范围。

我通过在图像文件名的开头“标记”标识符来组织我的工作。然后我可以对文件名（=标识符）进行排序。 Windows 资源管理器允许您在打开中图标的情况下查看目录。我会通过“假重命名”操作获取标识符并将其复制到 Python 程序中。

这里有一些工作代码可以针对任何这些问题进行修改。

def getLetter(im):
    area = im.height * im.width
    white_area = np.sum(np.array(im))
    black_area = area - white_area
    black_ratio = black_area / area           # between 0 and 1
    if black_ratio == .740740740740740 or \
       black_ratio == .688034188034188 or \
       black_ratio == .7407407407407407:  
       return 'A'
    if black_ratio == .797979797979798:
       return 'T'
    if black_ratio == .803030303030303:
       return 'I'
    if black_ratio == .5050505050505051 or \
       black_ratio == .5555555555555556:
       return 'H'
    ############ ... etc.

    return '@' # when this comes out you have some more work to do

注意：同一个标识符（这里我们使用black_ratio）可能指向多个字母。如果发生这种情况，您需要使用图像的另一个属性来区分它们。