我正在使用来自OpenCV的letter_regcog示例，它使用了来自UCI的数据集，其结构如下:
属性信息:
1. lettr大写字母(从A到Z的26个值)
2. x-box框的水平位置(整数)
3.框的y框垂直位置(整数)
4.盒宽(整数)的宽度
5.高箱体(整数)
6. onpix总像素数(整数)
7. x-bar表示框内像素的x of(整数)
8. y-bar表示框内像素的y(整数)
9. x2bar平均值x方差(整数)
10. y2bar平均值y方差(整数)
11. xybar平均值x y相关性(整数)
12. x * x * y的x2ybr均值(整数)
13. x * y * y的xy2br平均值(整数)
14. X-ege平均边缘计数从左到右(整数)
15. x-ege与y的xegvy相关(整数)
16. y-ege平均边缘计数从下到上(整数)
17. y-ege与x(整数)的yegvx相关性
例:
T，2,8,3,5,1,8,13,0,6,6,10,8,0,8,0,8
I，5,12,3,7,2,10,5,5,4,13,3,9,2,8,4,10
现在我已经对字母图像进行了分割，并且想要将其转换成这样的数据以使其识别出来，但是我不明白所有值的平均值，例如“6. onpix total＃on pixel”是什么意思？您能解释一下这些值的平均值吗？谢谢。
最佳答案
我不熟悉OpenCV的letter_recog示例，但这似乎是特征 vector ，或者是有关字母图像的统计信息集，用于对字母的 future 出现进行分类。分割的结果应为您提供一个二进制掩码，在字母上带有1的符号，在其他任何地方都带有0的符号。 onpix只是字母上的像素总数，换句话说，就是二进制掩码的总和。
列表中的大多数其余值都需要根据二进制掩码中值为1的像素集来计算。 x和y只是像素的位置。例如，x-bar只是在蒙版中具有1的所有像素的所有x位置的样本均值。您应该可以轻松地在网上找到有关均值，方差，协方差和相关性的数学定义的引用。
14-17稍有不同，因为它们基于边缘像素，但是计算应该是相似的，只是在一组不同的像素上。