opencv手写英文字符识别

原理简单介绍：使用OpenCV中svm训练英文字符图片，进而识别。 资源包括完整代码，训练图像，测试图片

#include “stdafx.h“  
#include “opencv2/opencv.hpp“  
#include “windows.h“  
#include “fstream“  
using namespace std;  
using namespace cv;  
int _tmain（int argc _TCHAR* argv[]）  
{  
    vector img_path;//输入文件名变量     
    vector img_catg;  //标签    
    int nLine = 0;      
    string buf;      
    ifstream svm_data（ “E:\\研究生信息\\模式识别作业\\英文字母训练集\\char.txt“ ）;//训练样本图片的路径都写在这个txt文件中bat批处理  “D:\\nums\\hb.txt“
    unsigned long n;       
    while（ svm_data ）//将训练样本文件依次读取进来      
    {      
        if（ getline（ svm_data buf ） ）    //将输入流svm_data中读到的字符存入buf中  
        {      
            nLine ++;      
            if（ nLine % 2 == 0 ）//注：奇数行是图片全路径，偶数行是标签   
            {      
                 img_catg.push_back（ atoi（ buf.c_str（） ） ）;  
                 //atoi将字符串转换成整型，标志（01，2，...，9），注意这里至少要有两个类别，否则会出错    
                 // 函数声明：const char *c_str（）; c_str（）函数返回一个指向正规字符串的指针 内容与本字符串相同  
            }      
            else      
            {      
                img_path.push_back（ buf ）;//图像路径      
            }      
        }      
    }      
    svm_data.close（）;//关闭文件      
    CvMat *data_mat *res_mat;  //定义样本矩阵，类型矩阵    
    int nImgNum = nLine / 2; //nImgNum：横坐标是样本数量，只有文本行数的一半，另一半是标签    
         
    data_mat = cvCreateMat（ nImgNum 324 CV_32FC1 ）;  //样本矩阵  
    //第二个参数，即矩阵的列是由下面的descriptors的大小决定的，可以由descriptors.size（）得到，  
    //且对于不同大小的输入训练图片，这个值是不同的    
    cvSetZero（ data_mat ）;       
    //类型矩阵存储每个样本的类型标志      
    res_mat = cvCreateMat（ nImgNum 1 CV_32FC1 ）;      
    cvSetZero（ res_mat ）;     
       
    IplImage* src;      
    IplImage* trainImg=cvCreateImage（cvSize（2828）83）;  
    //需要分析的图片，这里默认设定图片是28*28大小，所以上面定义了324，如果要更改图片大小，  
    //可以先用debug查看一下descriptors是多少，然后设定好再运行      
      
    //处理HOG特征    
    for（ string::size_type i = 0; i != img_path.size（）; i++ ）      
    {      
            src=cvLoadImage（img_path[i].c_str（）1）;      
            if（ src == NULL ）      
            {      
                cout<<“ can not load the image: “<                //continue;   
				return 0;
            }      
      
            cout<<“ 处理： “<                     
            cvResize（srctrainImg）; //读取图片，归一化处理      
            HOGDescriptor *hog=new HOGDescriptor（cvSize（2828）cvSize（1414）cvSize（77）cvSize（77）9）;        
            vectordescriptors;//存放结果，数组       
            hog->compute（trainImg descriptorsSize（11） Size（00））; //Hog特征计算        
            cout<<“HOG dims: “<riptors.size（）<            n=0;      
            for（vector::iterator iter=descriptors.begin（）;iter!=descriptors.end（）;iter++） //迭代器     
            {      
                cvmSet（data_matin*iter）;//存储HOG特征到data_mat矩阵中   
                n++;      
            }         
            cvmSet（ res_mat i 0 img_catg[i] ）;      
          

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3680  2016-08-24 11:46  测试集\a-21.bmp

     文件       3680  2016-08-24 11:45  测试集\a-22.bmp

     文件       3680  2016-08-24 11:45  测试集\a-23.bmp

     文件       3680  2016-08-24 11:45  测试集\a-24.bmp

     文件       3680  2016-08-24 11:45  测试集\a-25.bmp

     文件       7654  2016-07-30 10:10  测试集\a21.bmp

     文件       7654  2016-07-30 10:10  测试集\a22.bmp

     文件       7654  2016-07-30 10:10  测试集\a23.bmp

     文件       7654  2016-07-30 10:10  测试集\a24.bmp

     文件       7654  2016-07-30 10:10  测试集\a25.bmp

     文件       3680  2016-08-24 11:44  测试集\b-21.bmp

     文件       3680  2016-08-24 11:44  测试集\b-22.bmp

     文件       3680  2016-08-24 11:44  测试集\b-23.bmp

     文件       3680  2016-08-24 11:44  测试集\b-24.bmp

     文件       3680  2016-08-24 11:45  测试集\b-25.bmp

     文件       7654  2016-07-30 10:10  测试集\b21.bmp

     文件       7654  2016-07-30 10:10  测试集\b22.bmp

     文件       7654  2016-07-30 10:10  测试集\b23.bmp

     文件       7654  2016-07-30 10:10  测试集\b24.bmp

     文件       7654  2016-07-30 10:10  测试集\b25.bmp

     文件       7654  2016-07-30 10:10  测试集\c21.bmp

     文件       7654  2016-07-30 10:10  测试集\c22.bmp

     文件       7654  2016-07-30 10:10  测试集\c23.bmp

     文件       7654  2016-07-30 10:10  测试集\c24.bmp

     文件       7654  2016-07-30 10:10  测试集\c25.bmp

     文件       7654  2016-07-30 10:10  测试集\d21.bmp

     文件       7654  2016-07-30 10:10  测试集\d22.bmp

     文件       7654  2016-07-30 10:10  测试集\d23.bmp

     文件       7654  2016-07-30 10:10  测试集\d24.bmp

     文件       7654  2016-07-30 10:10  测试集\d25.bmp

............此处省略749个文件信息