所以我想能夠識別圖像中的模式（例如數字4），我一直在閱讀有關不同的算法，我真的很想使用最近鄰算法，看起來很簡單，我也明白它基於這個教程： http://people.revoledu.com/kardi/tutorial/KNN/KNN_Numerical-example.html 問題是，雖然我理解如何使用它來填充缺失的數據集，但我不明白我怎樣才能將它用作模式識別工具來瞄準圖像形狀識別。請問有人可以告訴我們該算法如何適用於模式識別？我已經看過使用OpenCV的教程，但是我不想使用這個庫，因爲我有能力自己進行預處理，而且我似乎很傻，我只是爲了一個簡單的最近鄰居而實現這個庫算法。使用最近鄰算法進行圖像模式識別
你簡單地（簡單地？）必須爲你的數據定義一個「距離」的度量。
假設你已經將小圖像中的大圖像分割出來，每個小圖像對應於你想分類的文本字符。讓我們假設我們正在處理數字單色圖像，因此每個圖像都被表示爲（例如）0-255整數範圍（亮度）中的值（像素）的矩形矩陣。它也被假設（NN是一個「監督分類算法」），你有很多已經很好分類的圖像（你的訓練集）。
給定一個新的小圖像，您必須定義兩幅圖像之間的距離，以便選擇最接近的訓練集，並將其「標籤」選作識別的文本字符。
一種天真的方法是取像素的差異（例如平方和）。但是這個距離度量對翻譯（以及旋轉和縮放）很敏感，我們通常不希望這樣做。另一種方法是計算傅里葉變換的模數，這是平移不變的（但這還不夠）。從這裏開始你就可以開始 - 並且明白這個問題很困難，而且這種分類需要大量的工作來完成可接受的工作。
我使用了K-Nearest-Neighbour算法在攝像機的實時姿態識別中進行姿態識別。我會建議你使用Matlab來訓練和測試數據集，因爲它具有PRToolbox用於此目的，並且有很多幫助和示例。 最重要的是你正確地選擇了能夠強有力地表示每個類的功能。 一旦你有了特徵（這將是一組值，如顏色，面積，位置......）和類，你需要樣本來訓練分類器（例如KNN）。與分類器一樣重要的是如何選擇培訓樣本。那麼你將不得不測試分類器。
嘗試使用不同的訓練集，不同的特徵，不同的分類器，因爲KNN不適合您的數據類型。
我希望你覺得這個很有用。