1. 技术文章
  2. 18、matlab机器学习

18、matlab机器学习

由 前提是你 提交于 2020-02-09 18:04:53

机器学习


概念

机器学习：先来看看百度百科的定义，“专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能”。可以看出，机器学习就是让机器模拟人的学习，最终目的是实现人工智能。也就是说，人们为了实现人工智能，其中的一种方式是通过机器学习。

那么，机器是怎么学习呢？简单的解释就是，人们给机器（一般指电脑）大量的数据，机器通过某种方法（算法）计算出这些数据的特征，之后机器就可以根据这些特征，来判断一个新给出的数据是什么。机器进行学习的过程就是发现数据的特征的过程。

让机器进行学习的方法（算法）有很多，主要的有回归算法、神经网络、SVM（支持向量机）、聚类算法、决策树、朴素贝叶斯等等。最近非常热门的深度学习属于机器学习方法中的神经网络算法，研究者在原来的神经网络算法上进行了改进，从而形成了这个热门的深度学习的方式。深度学习的方式让机器学习达到了更高的水平。

模式识别：上面讲了什么是机器学习，那么模式识别又是什么呢？模式识别的百度解释为“对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程”。事实上，模式识别就是机器学习，在早期的工业应用中首先开始的是模式识别，后来发展到学术界就是机器学习。

早期的模式识别的方式是，人们给出某件事物的特征，电脑根据这些特征去辨认一件新东西是不是属于这个事物。由人为提取特征后交给机器，然后让机器可以根据这些特征辨认其他的东西。比如，我先给出两个大耳朵、长鼻子、四条腿、很胖这些是猪的特征，然后电脑根据这些特征，可以去分辨你新给出的一个动物是不是猪。但是这样的效果并不是很好，如果你新给出的是一匹马，但是电脑根据特征就可能也判断为是一只猪。因此在这些的基础上，机器学习做了改进，人们只需要给出一件事物，让电脑自己去发现其中的特征，寻找其中的规律，然后让电脑用这些规律去对新事物做判断。现在来说模式识别和机器学习就是等价的。

机器学习方法的分类：机器学习分为有监督学习和无监督学习。有监督学习就是把分好类的事物提供给机器，机器根据不同的类别发现特征。无监督学习就是有机器自己对所有事物进行特征和规律的计算，然后将这些事物分为不同的类别。


应用

下面讲一下matlab中模式识别的一个应用——车牌识别。

车牌识别：车牌识别是模式识别中文字识别的一个重要应用，即根据已有车牌，识别出车牌的号码。


矩阵匹配（模板匹配）

矩阵匹配：首先准备多个模板，每个模板都有各自的信息。将要识别的数据和已有的多个模板进行匹配，找到匹配度最大的那一个模板，该数据的信息就是该模板的信息。

矩阵匹配的数学方法为：矩阵 A 和 B 的点进行下面的相关性函数数学运算，得出两个矩阵的相关度，当相关度的值越接近于1，A 和 B 的匹配度越大。

更加具体的可以去搜索皮尔森相关系数进行了解。
在这里插入图片描述

MATLAB函数实现：

r = corr2( A , B );

利用相关性函数，计算出A和B的相关度，但是 A 和 B 必须是尺寸大小相同的矩阵或图片。如果对两张尺寸不同的图片使用该函数，会出现报错。

F = imresize( F ,[ num1, num2] );

将图片尺寸大小变换成 num1×num2 。如果对两张不同大小的图片计算相关度，可以先使用该函数将图片归一化为相同大小。



1、用矩阵匹配（模板匹配）的方法实现文字识别

通过和右侧的各个模板做相关性运算，识别出左侧图片包含的文字。

在这里插入图片描述

思路

事先将右侧模板和文字建立一一对应关系，然后利用相关性函数，找到匹配度最大的模板，输出该模板对应的文字信息。

步骤

我所在目录的文件信息如下，右侧十五张模板在pic文件夹中，n.bmp为左侧要识别的图片
在这里插入图片描述

  1. 读入图片，用图片和第一张模板进行相关度运算，计算出相关度系数，保存到 r 中。
            通过计算可以得出图片和第一个模板的相关度系数，根据该思路，可以通过循环，来计算和每个图的相关度系数，从而可以找到相关度最大的模板。
    在这里插入图片描述

  2. 循环计算和每一个图做计算的相关系数的值，存到数组 R 中。
            由第一步的结果可知通过循环计算，可以得到和每个模板的相关度系数。
            为了可以循环计算和每个图的相关度系数，需要循环读入每一个图。在 imread(‘image.type’) 中的参数为字符串，由于模板图片的名字是有规律的，所以可以循环创建字符串来达到循环读入的效果。
            创建字符串可以用 strcat(‘str1’,‘str2’,…) 将多个字符串连接为一个。
            在本例中用strcat( ‘pic’ , int2str( i ) , ‘.bmp’ )，利用 i 做循环，因为 i 是整数，所以用 int2str() 转换为字符串，将整体连接成字符串读入模板图片。
            利用 R(i) 来接收和每个模板的相关度系数。
            下图我在命令行输出 R 的结果，可以看到和每个模板的相关度系数。
    在这里插入图片描述
    该步代码为：

    clc,clear,close all;
f=imread('n.bmp');
imshow(f);
for i=1:15
  b=imread(strcat('pic\',int2str(i),'.bmp'));
  R(i)=corr2(f,b);
end

  3. 建立模板数组，将每个图片对应到相应的文字信息。

    建立一个字符串，和模板图片的顺序对应，每个位置对应一个字符。
    利用 str=‘xxxxxxx…’ 即可创建字符串。
    该步只需新加代码：
        font=‘ABCDEFGHNVJXSMQ’;
    访问第 i 个元素使用 font( i )
    在这里插入图片描述

  4. 从计算出的 R 中找到相关系数最大的值，对应的模板数组里面的信息就是该图片的文字。
    利用 [ n, k]=max( R ) 找到 R 中最大的值，其中 n 是这个最大值， k 是该最大值的下标。
    用函数 disp( ‘xxxxx’ ) 可以在控制台输出字符串。
    在这里插入图片描述
    本例代码为：

    clc,clear,close all;
font='ABCDEFGHNVJXSMQ';
f=imread("n.bmp");
imshow(f);
for i=1:15
   b=imread(strcat('pic\',int2str(i),'.bmp'));
   R(i)=corr2(f,b);
end
[n,k]=max(R);
s=strcat('这个字母是',font(k));
disp(s);

2、用矩阵匹配（模板匹配）的方法实现车牌识别

对于以下车牌
在这里插入图片描述
和下面的模板
在这里插入图片描述
利用模板匹配的方式识别该车牌的内容。
思路：要想得到车牌每个字符的信息，首先要对车牌进行图片切割，然后分别对每个字符和每个模板进行匹配，找出该字符代表的信息，从而得到整个车牌的内容。

步骤：
目录的文件夹信息如下，car.jpg 是车牌图片，temp 文件夹内保存的是模板。
在这里插入图片描述

  1. 读入车牌，然后建立数组，将模板图片和文字信息对应。
    在这里插入图片描述

  2. 对车牌进行切割，得到每个字符单独的图片。这里我们选择建立一个函数来专门处理车牌的分割。matlab中建立函数的方式如下。
    在这里插入图片描述
    点击主页->新建->函数，便可建立一个函数文件，新建函数文件的默认页面如下：
    在这里插入图片描述

    function [outputArg1,outputArg2] = function-name(inputArg1,inputArg2)
%UNTITLED2 此处显示有关此函数的摘要
%   此处显示详细说明
outputArg1 = inputArg1;
outputArg2 = inputArg2;
end
    • function 函数标识
    • [outputArg1,outputArg2] 函数返回参数列表，可以在函数中直接赋值代表返回值，多个参数之间用逗号隔开
    • function-name 函数名字，函数的名字要和文件的名字相同
    • (inputArg1,inputArg2) 传入参数列表，该函数需要传入的参数要在这里面声明，多个参数之间用逗号隔开
    • 两行% 表示函数的摘要和说明，在命令行用 “help 函数名” 可以显示摘要和声明
    • 下面是函数体
    • end 表示函数的结尾

    这里我们建立一个切割图片的函数：函数的注释我都在函数中标明了，因此不在进行解释，如果有不懂的可以留言交流。
    在这里插入图片描述
    函数代码：

    function [fs,num] = SplitPic(f)
%返回值fs是一个cell型数据，每个元素保存一张分割好的图片
%返回值num保存一共分割出了多少字符
num=0;                  %num保存有几个区域		
%将图片转为二值图
g=rgb2gray(f);
bw=imbinarize(g);
%计算图片向下的投影累加和
hs=sum(bw);
%计算图片的宽度
[~,w]=size(bw);
s=0;                      %保存每个字符的起始位置
b=0;                      %保存每个字符的结束位置
i=1;                      %用i循环扫描投影和数组
%循环切割非空白区域
while(i<w)                %判断循环是否超出边界
    while(hs(i)==0&&i<w)  %用while让i经过空白区域
        i=i+1;
    end
    s=i;                  %s保存空白区域过后的非空白区域的第一个位置
    while(hs(i)>0&&i<w)   %让i经过非空白区域
        i=i+1;
    end
    b=i;                  %b保存非空白区域的最后一个位置后的位置
    if(s~=b) 
        x=bw(:,s:b-1);    %把二值图中横向位置为s到b-1的非空白区域分割出来
        [r,~]=find(x);    %找出纵向位置非空白区域
        num=num+1;        %每找到一个非空白区域该值加一
        fs{num}=f(min(r):max(r),s:b-1,:);   %从原图中切割出该非空区域
    end
end

  3. 调用函数对图片进行切割，将切割好的图片返回给 fs 和 num ,fs 保存切割好的字符， num 保存一共有多少个字符。新建一个字符串，保存后面提取到的信息。
    在这里插入图片描述
    新增代码为：

    [fs,num]=SplitPic(f);
F='';   %保存提取到的字符

  4. 循环处理每个分割出来的字符，计算和每个模板的相关度。因为原图是RGB图，因此切割出来的图片要先转换为二值图。由于字符图片和模板图片大小不一定相同，因此用 imresize 归一化相同大小。每个字符去和每个模板计算相关度，找到相关度最大的模板，这个模板的信息就是该字符的信息。
    在这里插入图片描述

  5. 运行程序可以得到结果
    在这里插入图片描述
    本例代码：

    clear,clc,close all;
f=imread('car.jpg');
imshow(f);
font='0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ京浙苏豫辽陕鲁';
[fs,num]=SplitPic(f);
F='';   %保存提取到的字符
for i=1:num
    x=fs{i};
    x=rgb2gray(x);
    x=imbinarize(x);
    x=imresize(x,[40,20]);
    for j=1:43
        s=strcat('temp\',int2str(j),'.jpg');
        y=imread(s);
        y=imresize(y,[40,20]);
        R(j)=corr2(x,y);
    end
    [~,k]=max(R);
    F=strcat(F,font(k));
end
disp(F);

文章资源连接

由于图片较多，我把文件做成压缩包，上传到CSDN，我把连接放到下面了
点击这里下载

标签
机器学习
matlab函数
相关函数
模式识别
matlab
易学教程内所有资源均来自网络或用户发布的内容，如有违反法律规定的内容欢迎反馈！
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!