【OpenCV 学习之路】（8）数独提取之一

写在前面：
关于本次的数独识别项目，我先说明下情况：
这是本人18年6月份做的，现在把当时的笔记整理出来（口吻的描述是以当时的时间来描述）。
这个数独的项目分别做了两次，
第一次做的还没做完，第二次可以识别数字（虽然不完美）
第一次就是以下准备写的，第二次迟点也会给出来。
区别：第一第二次有什么区别呢？
区别就是第一次用的图片是现实中的图片，第二次用的是数字图片。

那么第一第二次做到哪个地步呢？

现在想来第二次识别的不够精确有可能是训练样本不够多的问题！

那么为什么我还要把没做完的，做的有瑕疵的东西发出来呢？不能完善好才发出来吗？
主要是最近事情多，等往后自己的经验积累多了，技术提高了，再搞个终极版。
然后也迫不及待想和大家分享下我的思路，提供下大家可能遇到了我遇到的问题的解决方法。
当然如果有刚入门的小白（虽然我也是，哈哈），看到两次做到的程度对比之后想学第二次的，我认为是不可取的，因为这个过程是循序渐进的，第一次做的时候我就学到了很多东西，加深了对OpenCV的印象，同时遇到问题并且自己解决了，还写下来自己的理解，对自己的学习是非常大的帮助的。

---

这是在 @冰不语 的博客看到的一个小项目
OpenCV 实践之路 ——opencv 玩数独之二九宫格小方格的提取和数字的提取
觉得学这个会了可以学到很多东西，于是就马上尝试.

一、 高斯滤波去掉部分噪音 GaussianBlur();

1. 先看效果图：

Talk is cheap,show you the code.

#include "opencv2/core/core.hpp" 
#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
//using namespace std;
using namespace cv;
int main()
{
    Mat src = imread("01.jpg");
    Mat out(src.size(),src.type(),Scalar::all(0));
    GaussianBlur(src, out, Size(5, 5), 0, 0);
    imshow("src", src);
    imshow("out", out);
    waitKey(0);
}

应用高斯滤波其实很简单。只要设好 高斯内核大小 就可以了。

二、 拉普拉斯锐化增强轮廓以便于检测提取

1. 先看效果图（1）：这是对原图直接进行拉普拉斯锐化的图像

Talk is cheap,show you the code.

#include "opencv2/core/core.hpp" 
#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace std;
using namespace cv;
int main()
{
    Mat src = imread("01.jpg");
    Mat out(src.size(),src.type(),Scalar::all(0));
    imshow("src", src);
​
    //拉普拉斯锐化
    Mat kernel(3, 3, CV_32F, Scalar(-1));
    kernel.at<float>(1, 1) = 8.9;
    filter2D(src, src, src.depth(), kernel);
    imshow("拉普拉斯锐化", src);
​
    waitKey(0);
}

看到拉普拉斯锐化后面那段代码会觉得好像很难，其实仔细看可以看出，只是先定义一个Mat对象，并且先全部初始化为-1，再对矩阵的中心赋值，再调用filter2D调用函数进行卷积。
关于更多拉普拉斯锐化可以看 拉普拉斯锐化图像
关于更多图像卷积运算函数filter2D()可以看 opencv学习（七）之图像卷积运算函数filter2D()

2. 再看效果图（2）：先进行高斯滤波后拉普拉斯锐化

Talk is cheap,show you the code.

#include "opencv2/core/core.hpp" 
#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace std;
using namespace cv;
int main()
{
    Mat src = imread("01.jpg");
    Mat out(src.size(),src.type(),Scalar::all(0));
    imshow("src", src);
    GaussianBlur(src, src, Size(5, 5), 0, 0);
    imshow("高斯滤波", src);
    //拉普拉斯锐化
    Mat kernel(3, 3, CV_32F, Scalar(-1));
    kernel.at<float>(1, 1) = 8.9;
    filter2D(src, src, src.depth(), kernel);
    imshow("高斯滤波后拉普拉斯锐化", src);
    waitKey(0);
}

三、自适应阈值化得到二值图像 adaptiveThreshold();

要注意的是 输入图像是单通道的
超清晰理解：【OpenCV3】阈值化操作——cv::threshold()与cv::adaptiveThreshold()详解