Opencv 决策树法识别手写字

z13228604287

  

窗口程序集名	保 留	保 留	备 注
决策树法识别手写字			QQ群 164579213

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
数据	多维矩阵类
标签	多维矩阵类
决策树	决策树类			创建决策树
训练数据	训练数据类
结果	多维矩阵类
行	整数型
预测	整数型
计数	整数型
速度	小数型
测试图1	多维矩阵类
测试图2	多维矩阵类
测试数据	多维矩阵类
区域	矩形2i类
数据1	多维矩阵类
数据2	多维矩阵类
结果2	多维矩阵类

视觉_控制台命令 (“color F0”)
' 加载测试数据
数据 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\所有数据按行排列结果.png”, #读图_任何深度 )
标签 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\标签.png”, #读图_任何深度 )
数据.转换到 (数据, #Cv小数型_单通道, 1, 0)
标签.转换到 (标签, #Cv整数型_单通道, 1, 0)
' 参数设置
决策树.设置最大深度 (8)  ' 树的最大深度
决策树.设置交叉验证 (0)  ' 交叉验证次数
' 下面四个参数可以缺省，但是缺省会降低一定的精度
决策树.设置建立替代 (假)  ' 是否建立替代分裂点
决策树.设置最小样本数 (2)  ' 节点最小样本数量
决策树.设置使用修剪 (假)  ' 是否严格修剪
决策树.设置获取移除修剪 (假)  ' 分支是否完全移除
训练数据.创建训练数据 (数据, #样本_行, 标签, , , , )
决策树.训练 (训练数据, 0)
' 决策树.保存 (“DTrees_model.yml”)
' 利用原数据进行测试
决策树.预测 (数据, 结果, 0)
变量循环首 (0, 结果.行数 () － 1, 1, 行)
预测 ＝ 结果.取元素 (行, 0)
如果真 (标签.取元素 (行, 0) ＝ 预测)
计数 ＝ 计数 ＋ 1

变量循环尾 ()
速度 ＝ 1 × 计数 ÷ 结果.行数 ()
视觉_控制台输出 (“分类的正确性:%F\n”, 速度)
测试图1 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\handWrite01.png”, #读图_灰度 )
测试图2 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\handWrite02.png”, #读图_灰度 )
' 缩放到20×20的尺寸
视觉_尺寸变换 (测试图1, 测试图1, 尺寸2i (20, 20), 0, 0, 1)
视觉_尺寸变换 (测试图2, 测试图2, 尺寸2i (20, 20), 0, 0, 1)
' 将测试数据按要求存储
测试数据.初始化 (2, 400, #Cv无符号字节型_单通道, 标量 (0))
区域.初始化 (0, 0, 400, 1)
数据1 ＝ 测试图1.重塑 (1, 1)
数据2 ＝ 测试图2.重塑 (1, 1)
数据1.复制 (测试数据.感兴区域 (区域), )
区域.顶边 ＝ 1
数据2.复制 (测试数据.感兴区域 (区域), )
' 数据类型转换
测试数据.转换到 (测试数据, #Cv小数型, 1, 0)
' 进行估计识别
决策树.预测 (测试数据, 结果2, 0)
变量循环首 (0, 结果2.行数 () － 1, 1, 行)
预测 ＝ 结果2.取元素 (行, 0)
视觉_控制台输出 (“第:%D 图像预测结果：%I 真实结果：%D\n”, 行 ＋ 1, 预测, 行 ＋ 1)
变量循环尾 ()
视觉_控制台命令 (“pause”)
返回 (0)  ' 可以根据您的需要返回任意数值

i支持库列表	支持库注释
OpenCV	(未知支持库)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 决策树法识别手写字, , , QQ群 164579213<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 数据, 多维矩阵类<br /> .局部变量 标签, 多维矩阵类<br /> .局部变量 决策树, 决策树类, , , 创建决策树<br /> .局部变量 训练数据, 训练数据类<br /> .局部变量 结果, 多维矩阵类<br /> .局部变量 行, 整数型<br /> .局部变量 预测, 整数型<br /> .局部变量 计数, 整数型<br /> .局部变量 速度, 小数型<br /> .局部变量 测试图1, 多维矩阵类<br /> .局部变量 测试图2, 多维矩阵类<br /> .局部变量 测试数据, 多维矩阵类<br /> .局部变量 区域, 矩形2i类<br /> .局部变量 数据1, 多维矩阵类<br /> .局部变量 数据2, 多维矩阵类<br /> .局部变量 结果2, 多维矩阵类<br /> <br /> 视觉_控制台命令 (“color F0”)<br /> ' 加载测试数据<br /> 数据 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\所有数据按行排列结果.png”, #读图_任何深度)<br /> 标签 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\标签.png”, #读图_任何深度)<br /> 数据.转换到 (数据, #Cv小数型_单通道, 1, 0)<br /> 标签.转换到 (标签, #Cv整数型_单通道, 1, 0)<br /> ' 参数设置<br /> 决策树.设置最大深度 (8)  ' 树的最大深度<br /> 决策树.设置交叉验证 (0)  ' 交叉验证次数<br /> <br /> ' 下面四个参数可以缺省，但是缺省会降低一定的精度<br /> 决策树.设置建立替代 (假)  ' 是否建立替代分裂点<br /> 决策树.设置最小样本数 (2)  ' 节点最小样本数量<br /> 决策树.设置使用修剪 (假)  ' 是否严格修剪<br /> 决策树.设置获取移除修剪 (假)  ' 分支是否完全移除<br /> <br /> 训练数据.创建训练数据 (数据, #样本_行, 标签, , , , )<br /> 决策树.训练 (训练数据, 0)<br /> ' 决策树.保存 (“DTrees_model.yml”)<br /> ' 利用原数据进行测试<br /> 决策树.预测 (数据, 结果, 0)<br /> .变量循环首 (0, 结果.行数 () － 1, 1, 行)<br />     预测 ＝ 结果.取元素 (行, 0)<br />     .如果真 (标签.取元素 (行, 0) ＝ 预测)<br />         计数 ＝ 计数 ＋ 1<br />     .如果真结束<br /> <br /> .变量循环尾 ()<br /> 速度 ＝ 1 × 计数 ÷ 结果.行数 ()<br /> 视觉_控制台输出 (“分类的正确性:%F\n”, 速度)<br /> 测试图1 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\handWrite01.png”, #读图_灰度)<br /> 测试图2 ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\Opecv4\data\handWrite02.png”, #读图_灰度)<br /> <br /> ' 缩放到20×20的尺寸<br /> 视觉_尺寸变换 (测试图1, 测试图1, 尺寸2i (20, 20), 0, 0, 1)<br /> 视觉_尺寸变换 (测试图2, 测试图2, 尺寸2i (20, 20), 0, 0, 1)<br /> ' 将测试数据按要求存储<br /> 测试数据.初始化 (2, 400, #Cv无符号字节型_单通道, 标量 (0))<br /> 区域.初始化 (0, 0, 400, 1)<br /> 数据1 ＝ 测试图1.重塑 (1, 1)<br /> 数据2 ＝ 测试图2.重塑 (1, 1)<br /> 数据1.复制 (测试数据.感兴区域 (区域), )<br /> 区域.顶边 ＝ 1<br /> 数据2.复制 (测试数据.感兴区域 (区域), )<br /> ' 数据类型转换<br /> 测试数据.转换到 (测试数据, #Cv小数型, 1, 0)<br /> ' 进行估计识别<br /> 决策树.预测 (测试数据, 结果2, 0)<br /> <br /> <br /> .变量循环首 (0, 结果2.行数 () － 1, 1, 行)<br />     预测 ＝ 结果2.取元素 (行, 0)<br />     视觉_控制台输出 (“第:%D 图像预测结果：%I 真实结果：%D\n”, 行 ＋ 1, 预测, 行 ＋ 1)<br /> .变量循环尾 ()<br /> 视觉_控制台命令 (“pause”)<br /> 返回 (0)  ' 可以根据您的需要返回任意数值

分类的正确性:0.8868
第:1 图像预测结果：1 真实结果：1
第:2 图像预测结果：2 真实结果：2
请按任意键继续. . .

江河遇晚归

东西是好东西，可是有没有视频教程啊！
这东西着好难！

clhehy

66666666666666666666666666

chenzhen789

6666666666多发点发大水发   撒打发斯蒂芬

王小鑫xxx

谢谢大帅哥啊

tmdgdx

感谢楼主分享

a623539929

学习学习

hujiuyi

有用吗{:3_41:}{:3_41:}{:3_41:}{:3_41:}{:3_41:}

cfvgbhnj

谢谢分享，借助学习