EMGU.CV进阶 （一、银行卡识别）

最新推荐文章于 2023-12-11 14:10:28 发布
最新推荐文章于 2023-12-11 14:10:28 发布
阅读量3.8k 收藏 5
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LyRics1996/article/details/121781095
版权

opencv EMGU.CV c# 计算机视觉 图像处理
C# 同时被 3 个专栏收录
39 篇文章 7 订阅
订阅专栏
EMGU.CV
22 篇文章 27 订阅
订阅专栏
WPF
21 篇文章 0 订阅
订阅专栏

一、效果

识别出银行卡上的数字，并显示
注：本文所用所有知识，均在入门系列提到过
原图：
在这里插入图片描述
效果：
在这里插入图片描述

二、模板制作

目的，将10个数分成10个模板

2.1 加载模板

在这里插入图片描述

var imgTemplate = new Mat("NumberTemplate.png");
CvInvoke.Imshow("template", imgTemplate);

2.2 转为灰度

在这里插入图片描述

var imgTemplateGray = new Mat();
CvInvoke.CvtColor(imgTemplate, imgTemplateGray, ColorConversion.Bgr2Gray);
CvInvoke.Imshow("template Gray", imgTemplateGray);

2.3 阈值

在这里插入图片描述

var imgThreshold = new Mat();
CvInvoke.Threshold(imgTemplateGray, imgThreshold, 10, 255, ThresholdType.BinaryInv);
CvInvoke.Imshow("imgThreshold", imgThreshold);

2.4 轮廓检测

在这里插入图片描述

VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
var hierarchy = new Mat();
CvInvoke.FindContours(imgThreshold, contours, hierarchy, RetrType.External, ChainApproxMethod.ChainApproxSimple);
//RetrType.External 只检测外轮廓， 2. ChainApproxMethod.ChainApproxSimple 只保留终点坐标
var img0 = imgTemplate.Clone();
CvInvoke.DrawContours(img0, contours, -1, new MCvScalar(0, 0, 255), 2);
CvInvoke.Imshow("imgContours", img0);

2.5 轮廓排序

一个简单的冒泡排序，根据其X坐标的大小，将轮廓从左到右一一对应：

var array = contours.ToArrayOfArray();
for (int i = 0; i < contours.Size - 1; i++)
{
    for (int j = 0; j < contours.Size - i - 1; j++)
        if (array[j][0].X > array[j + 1][0].X)
        {
            var temp = array[j + 1];
            array[j + 1] = array[j];
            array[j] = temp;
        }
}
var img1 = imgTemplate.Clone();
VectorOfVectorOfPoint contoursSorted = new VectorOfVectorOfPoint(array);
CvInvoke.DrawContours(img1, contoursSorted, -1, new MCvScalar(0, 0, 255), 2);
CvInvoke.Imshow("imgContours2", img1);

2.6 计算外接矩形

在这里插入图片描述

 Rectangle[] rects = new Rectangle[contours.Size];
 for (int i = 0; i < contoursSorted.Size; i++)
 {
     rects[i] = CvInvoke.BoundingRectangle(contoursSorted[i]);
 }
 var img2 = imgTemplate.Clone();
 CvInvoke.Rectangle(img2, rects[3], new MCvScalar(0, 0, 255), 2);
 CvInvoke.Rectangle(img2, rects[4], new MCvScalar(0, 0, 255), 2);
 CvInvoke.Imshow("imgContours3", img2);

2.7 模板裁剪

将模板裁剪为10个类似下图的小模板
在这里插入图片描述

 VectorOfMat imgTemplates = new VectorOfMat();
 foreach (var r in rects)
  {
      var mat = new Mat(imgTemplateGray, r);
      imgTemplates.Push(mat);
  }
 CvInvoke.Imshow("imgTemplate3", imgTemplates[3]);

三、银行卡操作

3.1 读取银行卡

在这里插入图片描述

3.2 转为灰度

在这里插入图片描述

var imgCardGray = new Mat();
CvInvoke.CvtColor(imgCard, imgCardGray, ColorConversion.Bgr2Gray);
CvInvoke.Imshow("CardGray", imgCardGray);

3.3 阈值

在这里插入图片描述

 var imgCardThreshold = new Mat();
CvInvoke.Threshold(imgCardGray, imgCardThreshold, 0, 255, ThresholdType.Otsu | ThresholdType.Binary);
CvInvoke.Imshow("imgCardThreshold", imgCardThreshold);

3.4 顶帽

在这里插入图片描述

var rectKernel = CvInvoke.GetStructuringElement(ElementShape.Rectangle, new Size(9, 3), new Point(-1, -1));
var imgTophat = new Mat();
CvInvoke.MorphologyEx(imgCardThreshold, imgTophat, MorphOp.Tophat, rectKernel, new Point(-1, -1), 1, BorderType.Default, new MCvScalar());
CvInvoke.Imshow("tophat", imgTophat);

3.5 sobel

在这里插入图片描述

var imgSobel = new Mat();
CvInvoke.Sobel(imgTophat, imgSobel, DepthType.Cv32F, 1, 0, -1);
CvInvoke.ConvertScaleAbs(imgSobel, imgSobel, 1, 0);
CvInvoke.Imshow("sobel", imgSobel);

3.6 闭运算

在这里插入图片描述

var imgClose = new Mat();
CvInvoke.MorphologyEx(imgSobel, imgClose, MorphOp.Close, rectKernel, new Point(-1, -1), 4, BorderType.Default, new MCvScalar());
CvInvoke.Imshow("Close", imgClose);

3.7 查找轮廓

在这里插入图片描述

VectorOfVectorOfPoint cardContours = new VectorOfVectorOfPoint();
var cardHierarchy = new Mat();
CvInvoke.FindContours(imgClose, cardContours, cardHierarchy, RetrType.External, ChainApproxMethod.ChainApproxSimple);
// RetrType.External 只检测外轮廓， 2. ChainApproxMethod.ChainApproxSimple 只保留终点坐标
var imgCardContours = imgCard.Clone();
CvInvoke.DrawContours(imgCardContours, cardContours, -1, new MCvScalar(0, 0, 255), 2);
CvInvoke.Imshow("imgCardContours", imgCardContours);

3.8 过滤轮廓

在这里插入图片描述

int CardRectCount = 4;
Rectangle[] cardRects = new Rectangle[CardRectCount];
CardRectCount = 0;
var imgCardTest = imgCard.Clone();
for (int i = 0; i < cardContours.Size; i++)
{
  var rect = CvInvoke.BoundingRectangle(cardContours[i]);
  var radio = rect.Width / (double)rect.Height;
  if (radio > 2.5 && radio < 4.0 && rect.Height > 20)
  {
      cardRects[CardRectCount] = rect;
      CvInvoke.Rectangle(imgCardTest, rect, new MCvScalar(0, 0, 255), 2);
      CvInvoke.Imshow("imgCardTest", imgCardTest);
      CardRectCount++;
  }
}

3.9 轮廓排序

在这里插入图片描述

for (int i = 0; i < cardRects.Length - 1; i++)
{
   for (int j = 0; j < cardRects.Length - i - 1; j++)
       if (cardRects[j].X > cardRects[j + 1].X)
       {
           var temp = cardRects[j + 1];
           cardRects[j + 1] = cardRects[j];
           cardRects[j] = temp;
       }
}
var imgcard1 = imgCard.Clone();
CvInvoke.Rectangle(imgcard1, cardRects[0], new MCvScalar(0, 0, 255), 2);
CvInvoke.Rectangle(imgcard1, cardRects[1], new MCvScalar(0, 0, 255), 2);
CvInvoke.Imshow("imgContours2", imgcard1);

四、模板匹配

4.1 裁剪轮廓

在这里插入图片描述

VectorOfMat cardResizes = new VectorOfMat();
foreach(var rect in cardRects) { 
  // 裁剪四个轮廓
  var mat= new Mat(imgCardGray,new Rectangle(rect.X-5,rect.Y-5,rect.Width+10,rect.Height+10) );
  cardResizes.Push(mat);
}
CvInvoke.Imshow("cardResizes[2]", cardResizes[2]);

4.2 裁剪数字

在这里插入图片描述

VectorOfMat NumberVector =  new VectorOfMat();
for(int i = 0; i < cardResizes.Size; i++)
{
  // 二值化阈值
  var th = new Mat();
  CvInvoke.Threshold(cardResizes[i], th, 0, 255, ThresholdType.Binary | ThresholdType.Otsu);
 // CvInvoke.Imshow("t", th);
  // 查找轮廓
  VectorOfVectorOfPoint c = new VectorOfVectorOfPoint();
  var h = new Mat();
  CvInvoke.FindContours(th, c, h, RetrType.External, ChainApproxMethod.ChainApproxSimple);
  // RetrType.External 只检测外轮廓， 2. ChainApproxMethod.ChainApproxSimple 只保留终点坐标
  var imgTemp = cardResizes[i].Clone();
  CvInvoke.DrawContours(imgTemp, c, -1, new MCvScalar(0, 0, 0), 2);
 // CvInvoke.Imshow("c", imgTemp);
  // 计算外接矩形
  Rectangle[] rs = new Rectangle[4];
  for (int j = 0; j < c.Size; j++)
  {
      rs[j] = CvInvoke.BoundingRectangle(c[j]);
  }
  // 排序外接矩形
  for (int x = 0; x < rs.Length - 1; x++)
  {
      for (int y = 0; y < rs.Length - x - 1; y++)
          if (rs[y].X > rs[y + 1].X)
          {
              var temp = rs[y + 1];
              rs[y + 1] = rs[y];
              rs[y] = temp;
          }
  }
  // 裁剪数字
  foreach (var r in rs) {
      NumberVector.Push(new Mat(cardResizes[i],r));
  }
}
CvInvoke.Imshow("NumberVector[2]", NumberVector[2]);

4.3 匹配数字

double minLoc = 0, maxLoc = 0;
Point minPoint = new Point();
Point maxPoint = new Point();
int[] result = new int[16];
double[] score = new double[16];
for (int i = 0; i < 16; i++)
{
    CvInvoke.Threshold(NumberVector[i], NumberVector[i], 0, 255, ThresholdType.BinaryInv | ThresholdType.Otsu);
    CvInvoke.Resize(NumberVector[i], NumberVector[i], new Size(20, 40));
    for (int j = 0; j < imgTemplates.Size; j++) {
        var res = new Mat();
        CvInvoke.Resize(imgTemplates[j], imgTemplates[j], new Size(20, 40));
        CvInvoke.MatchTemplate(NumberVector[i], imgTemplates[j], res, TemplateMatchingType.Ccoeff);
        CvInvoke.MinMaxLoc(res, ref minLoc, ref maxLoc, ref minPoint, ref maxPoint);
        if (score[i] < maxLoc) {
            score[i] = maxLoc;
            result[i] = j;
        }
    }
    
}

五、最终显示

5.1 绘制选择框

在这里插入图片描述

var display = imgCard.Clone();
foreach (var r in cardRects)
{
   CvInvoke.Rectangle(display, r, new MCvScalar(0, 0, 255), 2);
  
}

5.2 显示数字

在这里插入图片描述

for (int i = 0; i < 16; i++) {
   CvInvoke.PutText(display, result[i].ToString(), new Point(cardRects[0].X+i*20+i/4*50+10,    cardRects[0].Y-10), FontFace.HersheyTriplex, 1, new MCvScalar(0, 0, 255),2);
}
   
CvInvoke.Imshow("result", display);

六、完整代码

// 一、模板操作
// 1. 读取模板
var imgTemplate = new Mat("NumberTemplate.png");
//CvInvoke.Imshow("template", imgTemplate);

// 2. 转换为灰度
var imgTemplateGray = new Mat();
CvInvoke.CvtColor(imgTemplate, imgTemplateGray, ColorConversion.Bgr2Gray);
//CvInvoke.Imshow("template Gray", imgTemplateGray);

// 3. 阈值
var imgThreshold = new Mat();
CvInvoke.Threshold(imgTemplateGray, imgThreshold, 10, 255, ThresholdType.BinaryInv);
//CvInvoke.Imshow("imgThreshold", imgThreshold);

// 4. 轮廓检测
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
var hierarchy = new Mat();
CvInvoke.FindContours(imgThreshold, contours, hierarchy, RetrType.External, ChainApproxMethod.ChainApproxSimple);
//RetrType.External 只检测外轮廓， 2. ChainApproxMethod.ChainApproxSimple 只保留终点坐标
var img0 = imgTemplate.Clone();
CvInvoke.DrawContours(img0, contours, -1, new MCvScalar(0, 0, 255), 2);
// CvInvoke.Imshow("imgContours", img0);

// 5. 轮廓排序
var array = contours.ToArrayOfArray();
for (int i = 0; i < contours.Size - 1; i++)
{
 for (int j = 0; j < contours.Size - i - 1; j++)
     if (array[j][0].X > array[j + 1][0].X)
     {
         var temp = array[j + 1];
         array[j + 1] = array[j];
         array[j] = temp;
     }
}
var img1 = imgTemplate.Clone();
VectorOfVectorOfPoint contoursSorted = new VectorOfVectorOfPoint(array);
CvInvoke.DrawContours(img1, contoursSorted, -1, new MCvScalar(0, 0, 255), 2);
// CvInvoke.Imshow("imgContours2", img1);

// 6. 计算外接矩形
Rectangle[] rects = new Rectangle[contours.Size];
for (int i = 0; i < contoursSorted.Size; i++)
{
 rects[i] = CvInvoke.BoundingRectangle(contoursSorted[i]);
}
var img2 = imgTemplate.Clone();
CvInvoke.Rectangle(img2, rects[3], new MCvScalar(0, 0, 255), 2);
CvInvoke.Rectangle(img2, rects[4], new MCvScalar(0, 0, 255), 2);
//CvInvoke.Imshow("imgContours3", img2);

// 7. 模板裁剪
VectorOfMat imgTemplates = new VectorOfMat();
foreach (var r in rects)
{
 var mat = new Mat(imgTemplateGray, r);
 imgTemplates.Push(mat);
}
//CvInvoke.Imshow("imgTemplate3", imgTemplates[3]);
// CvInvoke.Imshow("imgTemplate5", imgTemplates[5]);

// 二、银行卡操作
// 2.1 读取银行卡
var imgCard = new Mat("Card1.png");
CvInvoke.Imshow("card", imgCard);

// 2.2 转为灰度
var imgCardGray = new Mat();
CvInvoke.CvtColor(imgCard, imgCardGray, ColorConversion.Bgr2Gray);
CvInvoke.Imshow("CardGray", imgCardGray);

// 2.3 阈值
var imgCardThreshold = new Mat();
CvInvoke.Threshold(imgCardGray, imgCardThreshold, 0, 255, ThresholdType.Otsu | ThresholdType.Binary);
CvInvoke.Imshow("imgCardThreshold", imgCardThreshold);

// 2.4 顶帽操作
var rectKernel = CvInvoke.GetStructuringElement(ElementShape.Rectangle, new Size(9, 3), new Point(-1, -1));
var imgTophat = new Mat();
CvInvoke.MorphologyEx(imgCardThreshold, imgTophat, MorphOp.Tophat, rectKernel, new Point(-1, -1), 1, BorderType.Default, new MCvScalar());
CvInvoke.Imshow("tophat", imgTophat);

// 2.5 sobel
var imgSobel = new Mat();
CvInvoke.Sobel(imgTophat, imgSobel, DepthType.Cv32F, 1, 0, -1);
CvInvoke.ConvertScaleAbs(imgSobel, imgSobel, 1, 0);
CvInvoke.Imshow("sobel", imgSobel);

// 2.6 闭运算
var imgClose = new Mat();
CvInvoke.MorphologyEx(imgSobel, imgClose, MorphOp.Close, rectKernel, new Point(-1, -1), 4, BorderType.Default, new MCvScalar());
CvInvoke.Imshow("Close", imgClose);

// 2.7 查找轮廓
VectorOfVectorOfPoint cardContours = new VectorOfVectorOfPoint();
var cardHierarchy = new Mat();
CvInvoke.FindContours(imgClose, cardContours, cardHierarchy, RetrType.External, ChainApproxMethod.ChainApproxSimple);
// RetrType.External 只检测外轮廓， 2. ChainApproxMethod.ChainApproxSimple 只保留终点坐标
var imgCardContours = imgCard.Clone();
CvInvoke.DrawContours(imgCardContours, cardContours, -1, new MCvScalar(0, 0, 255), 2);
CvInvoke.Imshow("imgCardContours", imgCardContours);


// 2.8 过滤轮廓
int CardRectCount = 4;
Rectangle[] cardRects = new Rectangle[CardRectCount];
CardRectCount = 0;
var imgCardTest = imgCard.Clone();
for (int i = 0; i < cardContours.Size; i++)
{
 var rect = CvInvoke.BoundingRectangle(cardContours[i]);
 var radio = rect.Width / (double)rect.Height;
 if (radio > 2.5 && radio < 4.0 && rect.Height > 20)
 {
     cardRects[CardRectCount] = rect;
     CvInvoke.Rectangle(imgCardTest, rect, new MCvScalar(0, 0, 255), 2);
     CvInvoke.Imshow("imgCardTest", imgCardTest);
     CardRectCount++;
 }
}

// 2.9 轮廓排序
for (int i = 0; i < cardRects.Length - 1; i++)
{
 for (int j = 0; j < cardRects.Length - i - 1; j++)
     if (cardRects[j].X > cardRects[j + 1].X)
     {
         var temp = cardRects[j + 1];
         cardRects[j + 1] = cardRects[j];
         cardRects[j] = temp;
     }
}
var imgcard1 = imgCard.Clone();
CvInvoke.Rectangle(imgcard1, cardRects[0], new MCvScalar(0, 0, 255), 2);
CvInvoke.Rectangle(imgcard1, cardRects[1], new MCvScalar(0, 0, 255), 2);
CvInvoke.Imshow("imgContours2", imgcard1);

// 三、轮廓匹配
// 3.1 裁剪轮廓
VectorOfMat cardResizes = new VectorOfMat();
foreach(var rect in cardRects) { 
 // 裁剪四个轮廓
 var mat= new Mat(imgCardGray,new Rectangle(rect.X-5,rect.Y-5,rect.Width+10,rect.Height+10) );
 cardResizes.Push(mat);
// CvInvoke.Imshow("c",mat);

}
CvInvoke.Imshow("cardResizes[2]", cardResizes[2]);
// 3.2 裁剪每一个数字
VectorOfMat NumberVector =  new VectorOfMat();
for(int i = 0; i < cardResizes.Size; i++)
{
 // 二值化阈值
 var th = new Mat();
 CvInvoke.Threshold(cardResizes[i], th, 0, 255, ThresholdType.Binary | ThresholdType.Otsu);
// CvInvoke.Imshow("t", th);
 // 查找轮廓
 VectorOfVectorOfPoint c = new VectorOfVectorOfPoint();
 var h = new Mat();
 CvInvoke.FindContours(th, c, h, RetrType.External, ChainApproxMethod.ChainApproxSimple);
 // RetrType.External 只检测外轮廓， 2. ChainApproxMethod.ChainApproxSimple 只保留终点坐标
 var imgTemp = cardResizes[i].Clone();
 CvInvoke.DrawContours(imgTemp, c, -1, new MCvScalar(0, 0, 0), 2);
// CvInvoke.Imshow("c", imgTemp);
 // 计算外接矩形
 Rectangle[] rs = new Rectangle[4];
 for (int j = 0; j < c.Size; j++)
 {
     rs[j] = CvInvoke.BoundingRectangle(c[j]);
 }
 // 排序外接矩形
 for (int x = 0; x < rs.Length - 1; x++)
 {
     for (int y = 0; y < rs.Length - x - 1; y++)
         if (rs[y].X > rs[y + 1].X)
         {
             var temp = rs[y + 1];
             rs[y + 1] = rs[y];
             rs[y] = temp;
         }
 }
 // 裁剪数字
 foreach (var r in rs) {
     NumberVector.Push(new Mat(cardResizes[i],r));
 }
}
CvInvoke.Imshow("NumberVector[2]", NumberVector[2]);
// 3.3 匹配数字
double minLoc = 0, maxLoc = 0;
Point minPoint = new Point();
Point maxPoint = new Point();
int[] result = new int[16];
double[] score = new double[16];
for (int i = 0; i < 16; i++)
{
 CvInvoke.Threshold(NumberVector[i], NumberVector[i], 0, 255, ThresholdType.BinaryInv | ThresholdType.Otsu);
 CvInvoke.Resize(NumberVector[i], NumberVector[i], new Size(20, 40));
 NumberVector[i].Save($"0{i}.jpg");
 for (int j = 0; j < imgTemplates.Size; j++) {
     var res = new Mat();
     CvInvoke.Resize(imgTemplates[j], imgTemplates[j], new Size(20, 40));
     imgTemplates[j].Save($"1_{j}.jpg");
     CvInvoke.MatchTemplate(NumberVector[i], imgTemplates[j], res, TemplateMatchingType.Ccoeff);
     CvInvoke.MinMaxLoc(res, ref minLoc, ref maxLoc, ref minPoint, ref maxPoint);
     if (score[i] < maxLoc) {
         score[i] = maxLoc;
         result[i] = j;
     }
 }
 
}

// 四、 最终显示
var display = imgCard.Clone();
// 4.1 绘制选择框
foreach (var r in cardRects)
{
 CvInvoke.Rectangle(display, r, new MCvScalar(0, 0, 255), 2);

}
CvInvoke.Imshow("result1", display);
// 4.2 显示数字
for (int i = 0; i < 16; i++) {
 CvInvoke.PutText(display, result[i].ToString(), new Point(cardRects[0].X+i*20+i/4*50+10, cardRects[0].Y-10), FontFace.HersheyTriplex, 1, new MCvScalar(0, 0, 255),2);
}
 
CvInvoke.Imshow("result", display);

CvInvoke.WaitKey(0);
LyRics1996
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
EmguCV入门（一）
否定的否定式
02-19 7178
一、EmguCV简介         Emgu CV是.NET平台下对OpenCV图像处理库的封装，也就是.NET版的OpenCV。由于OpenCV是用C和C++编写的，Emgu用C#对其进行封装，允许用.Net语言来调用OpenCV函数，如C#、VB、VC++等。     二、EmguCV的下载与引用 1、下载：         下载最新版Emgu.CV(http://sourc
C# net Emgu.CV.World 人脸识别 根据照片将人脸抠图出来。
11-19
C# net Emgu.CV.World 人脸识别 根据照片将人脸抠图出来。 效果地址：https://www.cnblogs.com/PlatformSolution/p/11887363.html
EMGU.CV入门（十五、模板匹配）
LyRics1996的博客
12-05 2105
一、函数介绍 1.1 MatchTemplate 模板匹配函数 参数说明 参数1：输入图像 参数2：匹配模板 参数3：返回矩阵 参数4：算法类型 其中算法类型共计六种： // // 摘要: // This function is similiar to cvCalcBackProjectPatch. It slids through image, // compares overlapped patches of size
【 Emgu CV教程】1.1、Emgu CV 简介及使用
活宝的博客
12-11 5288
C#利用Emgu CV进行图像、视频处理的简单教程。
Emgu CV3+C#图像处理（一）：Emgu CV学习目录+EmguCV安装配置与使用
akadiao的博客
07-07 3万+
Emgu CV是OpenCV图像处理库的跨平台.Net包装器。允许从.NET兼容语言（C＃，VB，VC ++，IronPython等）调用OpenCV函数。下面开始安装配置Emgu CV，并开始第一个测试程序。 环境：Win7 +Emgu CV3.0.0 安装配置 首先从Emgu CV下载地址处下载安装包。这里我们使用3.0.0版本的Emgu CV。然后选择适当位置解压/运行得到一个文件...
opencv实现银行卡号识别
就很有趣的博客
07-19 2072
记录学习opencv时的笔记
EMGU.CV入门（十四、图像轮廓）
LyRics1996的博客
12-04 2626
一、轮廓 1.1 边缘和轮廓的区别 边缘：离散的，断开的 轮廓：整体的，连续的 边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。如canny边缘检测，结果通常保存在和源图片一样尺寸和类型的边缘图中。 轮廓检测指检测图像中的对象边界，更偏向于关注上层语义对象。如OpenCV中的findContours()函数， 它会得到每一个轮廓并以点向量方式存储，除此也得到一个图像的拓扑信息，即一个轮廓的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的索引编号。 1.2
C# winform利用Emgu.CV实现条码检测源码
最新发布
01-04
【测试环境】 vs2019 netframework==4.7.2 Emgu==4.8.0 【博客地址】 blog.csdn.net/FL1623863129/article/details/135387582 【视频演示】 bilibili.com/video/BV1pt4y1Z7nj/
C# Emgu.CV人脸检测与识别
03-29
C# Emgu.CV人脸检测与识别,MCvAvgComp[][] facesDetected = currentFrame.DetectHaarCascade(Face, 1.2, 10, Emgu.CV.CvEnum.HAAR_DETECTION_TYPE.DO_CANNY_PRUNING, new Size(20, 20));
使用Emgu.CV制作的实时播放RTSP例子
11-27
Emgu.CV是一个开源的计算机视觉库，它基于著名的OpenCV库并为.NET开发者提供了接口。在本示例中，我们探讨的是如何利用Emgu.CV来实现实时播放RTSP（Real-Time Streaming Protocol）流，主要关注视频部分，因为音频流...
Emgu.CV.World.dll
11-30
Emgu常用dll，opencv的人脸识别（Emgu.CV.World.dll），需要的可自行下载，后续会继续上传别的DLL
EmguCV 简介、安装、环境配置 (Windows 7)
beyonddeg的专栏
02-13 4971
Emgu CV 是什么？EmguCV 是一个跨平台的图像处理库。它是 OpenCV 的 .NET 封装的版本。令人惊叹的包装器使得可以从.NET编程语言调用 OpenCV 函数。支持 C#，VB,IronPython, 和VC++ 等一些语言。EmguCV 可以编译为 Mono，并且可以运行在 Linux, Windows, Mac OS X, 和流行的移动平台，如 Android， iPhone...
附代码 | OpenCV实现银行卡号识别，字符识别算法你知多少？
AI科技大本营
05-28 1万+
作者 | 李秋键责编 |Carol头图 | CSDN 付费下载自视觉中国随着计算机视觉在我们生活中的应用越来越广泛，大量的字符识别和提取应用逐渐变得越来越受欢迎，同时也便利了我们的生活...
计算机视觉项目-银行卡卡号自动识别
m0_37623374的博客
06-28 1万+
项目目标：我们导入一张银行卡或者信用卡得图像，通过OpenCV来把它实现出来，把信用卡得数字（卡号）给识别出来。
(openCV--python)检测银行卡号 （应用篇）（包含模板图）
Lu_shen_的博客
06-25 803
作者事无巨细，超赞的，快点进来看看吧！！！
EMGU.CV入门（二、图片滤波）
LyRics1996的博客
10-21 613
一、目的 测试几种不同滤波的使用方式和效果 gitee地址 二、配置 见文章一 三、主要逻辑 四、代码 4.1 mainviewmodel using Emgu.CV; using Emgu.CV.CvEnum; using Emgu.CV.Structure; using System; using System.Collections.Generic; using System.ComponentModel; using System.Drawing; using System.Drawing.Im
【EmguCV系列一】EmguCV下载安装以及配置
david_lee13的博客
04-12 6789
EmguCV是将OpenCV封装的一个.net库，可以非常方便的调用OpenCV中的方法。最新版本为3.4.3，下载网站：https://sourceforge.net/projects/emgucv/ 本系列使用的是3.1.0版本。 下图是EmguCV的安装目录： 然后我们打开bin目录，我们主要用的dll以及关联dll都在此目录下。 在c#项目的dll引用中我们主要使用的是E...
利用Emgu.CV实现人脸识别详解 (C#)--附源码
热门推荐
技术+管理+经验+沟通+人品=>合格的项目管理者
06-09 5万+
本文由：姚磊岳（leiyue_yao@163.com）于2016-6-9撰，转载请保留作者信息。          最近需要实现一个基于生理特征的门禁准入系统，其中一个环节就是要用到人脸识别。虽说人脸识别的算法已经非常成熟，网络上也有很多专业的介绍，但从零做起工作量还是太大，所以想找一些现成的控件。上网一搜，还真发现了不少：如果是基于移动端的android开发，科大讯飞的人脸识别插件应
初步了解C#版图像处理库emgucv
bcbobo21cn的专栏
02-06 2804
初步了解C#版图像处理库emgucv；
使用emgu.cv3.0版本编写一个车牌识别的例子,并且使用emgu.cv.OCR提取车牌文字,以及emgu.cv.ocr是否需要下载训练集
06-13
好的，下面是一个使用emgu.cv 3.0版本编写车牌识别的示例代码： ```csharp using Emgu.CV; using Emgu.CV.OCR; using Emgu.CV.Structure; using System.Drawing; namespace LicensePlateRecognition { class Program { static void Main(string[] args) { // 加载图像 Image<Bgr, byte> image = new Image<Bgr, byte>("car.jpg"); // 进行车牌识别 Tesseract ocr = new Tesseract("eng", OcrEngineMode.TesseractLstmCombined); ocr.SetVariable("tessedit_char_whitelist", "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"); ocr.SetImage(image.Convert<Gray, byte>()); ocr.Recognize(); string licensePlate = ocr.GetUTF8Text().Trim(); // 输出识别结果 System.Console.WriteLine("License plate: " + licensePlate); System.Console.ReadLine(); } } } ``` 在这个代码中，我们使用了emgu.cv.OCR中的Tesseract类进行车牌文字的提取。需要注意的是，为了正确识别车牌上的字符，我们需要将OCR引擎的字符白名单设置为大写字母和数字。 至于emgu.cv.ocr是否需要下载训练集，根据我的了解，Tesseract引擎的训练集是需要下载的。不过emgu.cv已经帮我们内置了一些常见语言的训练集，因此我们不需要手动下载。如果需要使用自定义的训练集，我们需要手动下载并配置路径。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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