基于贝叶斯变换的手写识别数字（MFC+Opencv）

基于贝叶斯手写识别的关键还是在于统计学

以下是余下全文

一、什么是贝叶斯公式

P(Wi/X)=P(X/Wi)*P(Wi)/P(X)

二、贝叶斯公式和手写识别的关系（解释上述公式）

• Wi:分类器（相当于数字’0’类、数字’1’类等） 　　X：输入样本（相当于输入识别的图片，样本是由特征组成在，也就是样本和特征有时候是可以等价理解的）

• P(Wi/X):当前输入样本X，将样本X归到Wi类的概率值。（越大，说明越有可能归到此类中）

• P(X/Wi):在Wi类下面，样本值（特征）为X的概率。（已知一个人，此人有头发（特征）的概率）

• P(Wi):Wi类下的样本数目占总样本数目的百分比(训练样本中，数字’0’类的样本数目有100张，总的样本数目为1000张，那么P(Wi)=100/1000)

• P(X):可以展开为P(X/W1)*P(W1)+P(X/W2)*P(W2)+······+P(X/Wi)*P(Wi),某个样本（特征）的概率总和

三、具体实现步骤

1.预处理

采用的是只是添加了一个高斯过滤器（GaussianBlur）

2.图像分割

图像分割成7*7个子区域，每个子区域就是一个特征。

3.特征提取

图像在上一步中已经分割