opencv 数字识别详细教程

 

最近要做数字识别这块,但是自己又完全不懂这个,网上搜资料搜了好多,但是都没找到完整代码。只有自己慢慢搞,下面写下自己的过程以及代码有不好的地方希望大神可以指出,大家相互交流下。有需要完整代码的可以自行下载(源码里面 是需要自己做一个图片的,没有图片,不能直接运行)

 

git 源码

 

我是在VS2013 和opencv 2.4.9 环境下实现的。关于环境的搭建和配置以及软件的下载可以可以参考,http://blog.csdn.net/ltg01/article/details/50433386

我要做的是把0123456789 印刷体数字识别出来。

一、首先对图片进行预处理

对图片进行灰度化二值化

 

        Mat src = imread("D:\\b.png", CV_LOAD_IMAGE_GRAYSCALE);//读取图片并进行灰度化处理
 	threshold(src, src, 100 , 255, CV_THRESH_BINARY);//二值化
	imshow("origin", src);//显示图片

原图经过灰度二值化的图

Mat imread(const string& filename, int flags);

filename:文件地址 flags:标志,读取什么样(灰度,彩色)图像hdrtype:传入的为载入什么类型(enum {LOAD_CVMAT=0,LOAD_IMAGE=1, LOAD_MAT=2 };这三个中的一个。) Mat :保存图像的Mat对象了。
double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type) 
参数信息:
第一个参数,InputArray类型的src,输入数组,填单通道 , 8或32位浮点类型的Mat即可。
第二个参数,OutputArray类型的dst,函数调用后的运算结果存在这里,即这个参数用于存放输出结果,且和第一个参数中的Mat变量有一样的尺寸和类型。
第三个参数,double类型的thresh,阈值的具体值。
第四个参数,double类型的maxval,当第五个参数阈值类型type取 THRESH_BINARY 或THRESH_BINARY_INV阈值类型时的最大值.
第五个参数,int类型的type,阈值类型,。
其它参数很好理解,我们来看看第五个参数,第五参数有以下几种类型
0: THRESH_BINARY  当前点值大于阈值时,取Maxval,也就是第四个参数,下面再不说明,否则设置为0
1: THRESH_BINARY_INV 当前点值大于阈值时,设置为0,否则设置为Maxval
2: THRESH_TRUNC 当前点值大于阈值时,设置为阈值,否则不改变
3: THRESH_TOZERO 当前点值大于阈值时,不改变,否则设置为0
4: THRESH_TOZERO_INV  当前点值大于阈值时,设置为0,否则不改变

 

 

二、对图片上的数字进行切割
 

   图片经过二值化后每个像素点的值只有1和0两种,在这里黑色部分的像素点的值为0白色字体部分的值为1.
对图片

 

先进行列扫描求每列的和。刚开始是都是黑色所以每列的和都是0,知道扫描到3的左边缘的那列的时候因为有白色所以这列的和大于0,这时候记下当前位置left,然后接着扫描,接下来每列的和都大于0,直到3的右边缘时候这列和右等于0,记下当前位置right,则right减去left则是3的宽度,高度仍为原图的高度,这样通过函数

 

        int width = right - left;
	Rect rect(left, 0, width, src.rows);
	leftImg = src(rect);

 

就可以把3截取出来了,如图

但是3的上下部分没有截取,同样对图片进行行扫描,截取上下部分,如下图

就这样循环截取图片就可以吧其他数字截取下来了,但是每次截取的原图是不一样的,第二次截取的时候原图上就没有3 是从6开始的如图

 

int cutLeft(Mat& src, Mat& leftImg, Mat& rightImg)//左右切割
{
	int left, right;
	left = 0;
	right = src.cols;

	int i;
	for (i = 0; i < src.cols; i++)
	{
		int colValue = getColSum(src, i);
		//cout <<i<<" th "<< colValue << endl;
		if (colValue>0)
		{
			left = i;
			break;
		}
	}
	if (left == 0)
	{
		return 1;
	}


	for (; i < src.cols; i++)
	{
		int colValue = getColSum(src, i);
		//cout << i << " th " << colValue << endl;
		if (colValue == 0)
		{
			right = i;
			break;
		}
	}
	int width = right - left;
	Rect rect(left, 0, width, src.rows);
	leftImg = src(rect).clone();
	Rect rectRight(right, 0, src.cols - right, src.rows);
	rightImg = src(rectRight).clone();
	cutTop(leftImg, leftImg);
	return 0;
}

void cutTop(Mat& src, Mat& dstImg)//上下切割
{
	int top, bottom;
	top = 0;
	bottom = src.rows;

	int i;
	for (i = 0; i < src.rows; i++)
	{
		int colValue = getRowSum(src, i);
		//cout <<i<<" th "<< colValue << endl;
		if (colValue>0)
		{
			top = i;
			break;
		}
	}
	for (; i < src.rows; i++)
	{
		int colValue = getRowSum(src, i);
		//cout << i << " th " << colValue << endl;
		if (colValue == 0)
		{
			bottom = i;
			break;
		}
	}

	int height = bottom - top;
	Rect rect(0, top, src.cols, height);
	dstImg = src(rect).clone();
}
int main()
{
	Mat src = imread("D:\\s.png", CV_LOAD_IMAGE_GRAYSCALE);
	threshold(src, src, 100 , 255, CV_THRESH_BINARY_INV);
	imshow("origin", src);

	Mat leftImg,rightImg;
	int res = cutLeft(src, leftImg, rightImg);	
	int i = 0; 
	while (res == 0)
	{ 		
		char nameLeft[10];
		sprintf(nameLeft, "%dLeft", i);
		char nameRight[10];
		sprintf(nameRight, "%dRight", i);
		i++;
        //stringstream ss;
       //ss << nameLeft;
        //imwrite("D:\\" + ss.str() + ".jpg", leftImg);
        //ss >> nameLeft;
        Mat srcTmp = rightImg;
        //getSubtract(leftImg, 10);
		res = cutLeft(srcTmp, leftImg, rightImg);	
	}
	
	waitKey(0);
	return 0;
}


最后截取结果如下图

 

 

(截取的很清楚只是拖动的时候留下的划痕)

 

三、制作模板

 

 

模板的制作和步骤二完全一样,首先你要切割的图片的字体样式和大小要和模板的样式和大小一样(比如都是宋体,10号)要不然匹配的结果就不准确,而且把0123456789最好按顺序这样匹配的时候可以知道是匹配到那个数字,比如你切割下的数字和模板匹配的时候,匹配到第三个模板则知道是匹配的数字3(模板从第0个开始)。只需要改主函数

 

 

 

int main()
{
	Mat src = imread("D:\\s.png", CV_LOAD_IMAGE_GRAYSCALE);
	threshold(src, src, 100 , 255, CV_THRESH_BINARY_INV);
	imshow("origin", src);

	Mat leftImg,rightImg;
	int res = cutLeft(src, leftImg, rightImg);	
	int i = 0; 
	while (res == 0)
	{ 		
		char nameLeft[10];
		sprintf(nameLeft, "%dLeft", i);
		char nameRight[10];
		sprintf(nameRight, "%dRight", i);
		i++;
		imshow(nameLeft, leftImg);
		<strong>stringstream ss;
		ss << nameLeft;
		imwrite("D:\\" + ss.str() + ".jpg", leftImg);//保存截取图片做为模板
		ss >> nameLeft;</strong>
		Mat srcTmp = rightImg;
		//getSubtract(leftImg, 10);
		res = cutLeft(srcTmp, leftImg, rightImg);	
	}
	
	waitKey(0);
	return 0;
}


四、数字识别

 

 

 

 

 

 

 

把你切割的数字图片大小调整到和模板一样的大小,然后让需要匹配的图和分别和10个模板相减,(让两个图片对应像素点值相减)然后求返回图片的整个图片的像素点值得平方和,和哪个模板匹配时候返回图片的平方和最小则就可以得到结果。只需要改主函数

 

 

void getPXSum(Mat &src, int &a)//获取所有像素点和
{ 
	threshold(src, src, 100, 255, CV_THRESH_BINARY);
	  a = 0;
	for (int i = 0; i < src.rows;i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			a += src.at <uchar>(i, j);
		}
	}
}

int  getSubtract(Mat &src, int TemplateNum) //两张图片相减
{
	Mat img_result;
	int min = 1000000;
	int serieNum = 0;
	for (int i = 0; i < TemplateNum; i++){
		char name[20];
		sprintf_s(name, "D:\\%dLeft.jpg", i);
		Mat Template = imread(name, CV_LOAD_IMAGE_GRAYSCALE);
		threshold(Template, Template, 100, 255, CV_THRESH_BINARY);
		threshold(src, src, 100, 255, CV_THRESH_BINARY);
		resize(src, src, Size(32, 48), 0, 0, CV_INTER_LINEAR);
	    resize(Template, Template, Size(32, 48), 0, 0, CV_INTER_LINEAR);//调整尺寸		
		//imshow(name, Template);
		absdiff(Template, src, img_result);//
		getPXSum(img_result, diff);
		if (diff < min)
		{
			min = diff;
			serieNum = i;
		}
	}
	printf("最小距离是%d ", min);
	printf("匹配到第%d个模板匹配的数字是%d\n", serieNum,serieNum);
	return serieNum;
}

int main()
{
	Mat src = imread("D:\\s.png", CV_LOAD_IMAGE_GRAYSCALE);
	threshold(src, src, 100 , 255, CV_THRESH_BINARY_INV);
	imshow("origin", src);

	Mat leftImg,rightImg;
	int res = cutLeft(src, leftImg, rightImg);	
	int i = 0; 
	while (res == 0)
	{ 		
	//	char nameLeft[10];
	//	sprintf(nameLeft, "%dLeft", i);
	//	char nameRight[10];
	//	sprintf(nameRight, "%dRight", i);
	//	i++;
		imshow(nameLeft, leftImg);
	//	stringstream ss;
	//	ss << nameLeft;
	//	imwrite("D:\\" + ss.str() + ".jpg", leftImg);
	//	ss >> nameLeft;
		Mat srcTmp = rightImg;
		getSubtract(leftImg, 10);//数字识别
		res = cutLeft(srcTmp, leftImg, rightImg);	
	}
	
	waitKey(0);
	return 0;
}

 

 

 

 

 

运行最终结果如下图

 

 

 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
评论 435
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值