基于模板匹配的数字识别

这几天做了一些关于图像的活，简单的数字识别，记录一下。
因为图像质量比较好，灰度、二值化后，可以直接用opencv得到连通域信息

ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
binary = 255 - binary # 黑白反转
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(binary, connectivity=4, ltype=None)

将保存下来的图片resize成2030，建立模板库

在模板匹配的时候，走了些弯路。
匹配前，将连通域resize成模板的尺寸，并且需要重新二值化。

Rsize = (20, 30)
tempImg = cv2.resize(tempImg, Rsize) # resize后，像素值会变化，需要重新二值化
ret, tempImg = cv2.threshold(tempImg, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

先是拿连通域一个一个跟模板匹配，结果是所有连通域都得到匹配得数字，两三个连通域匹配到得都是同一个结果。
后来换了顺序，拿模板库里的模板来匹配连通域，这样可以在图片中找到所有跟模板库里相似度最高的且唯一的数字。
匹配过程中，直接拿模板图片binary_datas减去连通域图片tempImg ，因为整体效果有，只是3、8识别不了，觉得很奇怪，这两个区别度还是挺高的。怎么就分不对呢。

res = sum(sum(((tempImg - binary_datas) / 255) * ((tempImg - binary_datas) / 255)))

后来才发现，这样直接做减法，当出现（0-255=-255）结果为负数的时候，会直接取值为1.改成下面的代码，3跟8就能区分了

for x in range(30):
    for y in range(20):
        temp_img[x, y] = abs(int(tempImg[x, y] - int(binary_datas[x, y]))) / 255
res = sum(sum(temp_img))