所以我想能够识别图像中的模式（例如数字4），我一直在阅读有关不同的算法，我真的很想使用最近邻算法，看起来很简单，我也明白它基于这个教程： http://people.revoledu.com/kardi/tutorial/KNN/KNN_Numerical-example.html 问题是，虽然我理解如何使用它来填充缺失的数据集，但我不明白我怎样才能将它用作模式识别工具来瞄准图像形状识别。请问有人可以告诉我们该算法如何适用于模式识别？我已经看过使用OpenCV的教程，但是我不想使用这个库，因为我有能力自己进行预处理，而且我似乎很傻，我只是为了一个简单的最近邻居而实现这个库算法。使用最近邻算法进行图像模式识别
你简单地（简单地？）必须为你的数据定义一个“距离”的度量。
假设你已经将小图像中的大图像分割出来，每个小图像对应于你想分类的文本字符。让我们假设我们正在处理数字单色图像，因此每个图像都被表示为（例如）0-255整数范围（亮度）中的值（像素）的矩形矩阵。它也被假设（NN是一个“监督分类算法”），你有很多已经很好分类的图像（你的训练集）。
给定一个新的小图像，您必须定义两幅图像之间的距离，以便选择最接近的训练集，并将其“标签”选作识别的文本字符。
一种天真的方法是取像素的差异（例如平方和）。但是这个距离度量对翻译（以及旋转和缩放）很敏感，我们通常不希望这样做。另一种方法是计算傅里叶变换的模数，这是平移不变的（但这还不够）。从这里开始你就可以开始 - 并且明白这个问题很困难，而且这种分类需要大量的工作来完成可接受的工作。
我使用了K-Nearest-Neighbour算法在摄像机的实时姿态识别中进行姿态识别。我会建议你使用Matlab来训练和测试数据集，因为它具有PRToolbox用于此目的，并且有很多帮助和示例。 最重要的是你正确地选择了能够强有力地表示每个类的功能。 一旦你有了特征（这将是一组值，如颜色，面积，位置......）和类，你需要样本来训练分类器（例如KNN）。与分类器一样重要的是如何选择培训样本。那么你将不得不测试分类器。
尝试使用不同的训练集，不同的特征，不同的分类器，因为KNN不适合您的数据类型。
我希望你觉得这个很有用。