我们目前正在使用 opencv 开发一个 android ocr 应用程序。预处理、分割、特征提取步骤已完成。分类是剩下的步骤，我们被卡住了..我们正在使用一个填充了每个字母特征的 DB 表..首先我们每个字母只有一个特征，我们使用了欧几里德距离，但结果不准确等等需要获得特征，所以我们做到了。现在的问题是我们每个字母有 7 个特征，并且完全不知道如何根据它们对 i/p 进行分类。有些人建议使用 knn，但我们不知道如何并且该部分中的opencv文档不清楚..所以如果有人可以帮助它，那就太好了。 在此先感谢
【问题讨论】：
标签： android opencv classification
想补充一点，OpenCV 可能没有您可能喜欢的分类器。
那里有几个库，但您可能需要看看哪个库在移动平台上效果最好。您能否详细介绍一下您正在使用的功能？
最简单的 KNN（k 近邻）度量是在输入样本的特征和 DB 表中的每个向量之间找到 n 维（对于 n 维特征向量）的欧几里得距离。如果您有多个类并且输入图像将被归类为这样一种图像“类型”或“类”，则还可以探索马氏距离（用于测量点与数据集/类之间的距离）。
正如@matcheek 所提到的，使用机器学习技术（例如 SVM、神经网络等）可以实现更复杂的操作。但是首先您可能会考虑像 kNN 这样更简单的东西，因为它是一个移动平台，可能会限制计算复杂性。
【讨论】：
简单地说，不讨论细节。向量空间在这里派上用场。你需要建立一个特征向量
<feature1, feature2, feature3.. featureN> 用于训练集中的每个实例。
从这些图像中的每一个中，您可以提取您认为或在研究文章中阅读的特征，这些特征对于图像分类很重要。例如，您可以进行质心、高斯模糊、直方图等。
一旦你有了这些值，线性代数就会与一些分类算法一起发挥作用：你在训练集上运行的 knn、svm、朴素贝叶斯等，那就是你建立你的模型。
如果模型准备好，您可以在测试集上运行它。
使用交叉验证以获得更全面的结果。
有关更多详细信息，请查看课程说明：
http://www.inf.ed.ac.uk/teaching/courses/iaml/slides/knn-2x2.pdf
要么
http://www.inf.ed.ac.uk/teaching/courses/inf2b/lectureSchedule.html
【讨论】：