接上一篇文章,开头我就不做详细介绍了,直接先贴代码,然后在最后有一段文字解释代码的思想
#include <opencv2/core/core.hpp>
#include <opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <ctime>
using namespace std ;
using namespace cv;
#include <map>
//定义全局变量
Mat src_threshold;
Mat src_dil;
vector<Mat>ROI_image;//待测图片
//定义全局函数
void myDiscern(Mat image);
int main()
{
clock_t start ,finish;
start=clock();
Mat src;
src=imread("D:\\vspic\\picture\\number6.jpg");
resize(src,src,Size(src.cols/7,src.rows/7));
imshow("src",src);
Mat src_gray;
cvtColor(src,src_gray,COLOR_BGR2GRAY);
//imshow("gsrc_ray",src_gray);
Mat src_blur;
blur(src_gray,src_blur,Size(9,9));
//GaussianBlur(src_gray,src_blur,Size(11,11),1,1);
Mat src_threshold;
threshold(src_blur,src_threshold,150,255,THRESH_OTSU);
//imshow("src_threshold",src_threshold);
Mat src_canny;
Canny(src_threshold,src_canny,125,255,3);
//imshow("src_canny",src_canny);
vector<vector<Point>>contours_src;
vector<Vec4i>hierarchy_src(contours_src.size());
findContours(src_canny,contours_src,hierarchy_src,RETR_EXTERNAL,CHAIN_APPROX_NONE);
Rect rect_s;
Rect choose_rect;
for (size_t i=0;i<contours_src.size();i++)
{
rect_s=boundingRect(contours_src[i]);
double width=rect_s.width;
double height= rect_s.height;
double bizhi=width/height;
if (bizhi>1.5&&height>50)
{
/*rectangle(src,rect_s.tl(),rect_s.br(),Scalar(255,255,255),1,1,0);*/
choose_rect=Rect(rect_s.x+20,rect_s.y+30,rect_s.x-30,rect_s.y-108);
}
}
Mat roi;
roi=src(choose_rect);
//imshow("src_",roi);
Mat img =roi;
Mat gray_img;
// 生成灰度图像
cvtColor(img, gray_img, CV_BGR2GRAY);
// 高斯模糊
Mat img_gau;
GaussianBlur(gray_img, img_gau, Size(5, 5), 0, 0);
// 阈值分割
Mat img_seg;
threshold(img_gau, img_seg, 0, 255, THRESH_BINARY + THRESH_OTSU);
Mat element;
element=getStructuringElement(MORPH_RECT,Size(6,6));
erode(img_seg,src_dil,element);
imshow("src_dil",src_dil);
// 边缘检测,提取轮廓
Mat img_canny;
Canny(src_dil, img_canny, 200, 100);
//imshow("canny",img_canny);
vector<vector<Point>> contours;
vector<Vec4i> hierarchy(contours.size());
findContours(img_canny, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point());//寻找轮廓
int size = (int)(contours.size());//轮廓的数量
//cout<<size<<endl;6个
// 保存符号边框的序号
vector<int> num_order;//定义一个整型int容器
map<int, int> num_map;//容器,需要关键字和模板对象两个模板参数,此处定义一个int作为索引,并拥有相关连的指向int的指针
for (int i = 0; i < size; i++)
{
// 获取边框数据
Rect number_rect = boundingRect(contours[i]);
int width = number_rect.width;//获取矩形的宽
int height = number_rect.height;//获取矩形的高
// 去除较小的干扰边框,筛选出合适的区域
if (width > img.cols/20 )
{
rectangle(img,number_rect.tl(),number_rect.br(),Scalar(255,255,255),1,1,0);//绘制矩形
imshow("img",img);//显示矩形框
num_order.push_back(number_rect.x);//把矩形的x坐标放入number_order容器中,将一个新的元素添加到vector的最后面,
//位置为当前元素的下一个元素
num_map[number_rect.x] = i;//向map中存入键值对,number_rect.x是关键字,i是值
/*把矩形框的x坐标与对应的i值一起放入map容器中,形成一一对应的键值对
*/
}
}
// 按符号顺序提取
sort(num_order.begin(), num_order.end());/*把number_order容器中的内容按照从小到大的顺序排列,这里面是X的坐标*/
for (int i = 0; i < num_order.size(); i++) {
Rect number_rect = boundingRect(contours[num_map.find(num_order[i])->second]);//num_order里面放的是坐标
//cout<<"num_map的值是:"<<num_map.find(num_order[i])->second<<endl;
Rect choose_rect(number_rect.x, 0, number_rect.width, img.rows);//矩形左上角x,y的坐标以及矩形的宽和高
Mat number_img = src_dil(choose_rect);
cout<<"输出图片的大小"<<number_img.size()<<endl;
ROI_image.push_back(number_img);//保存为待测图片
//imshow("number" + to_string(i), number_img);
char name[50];
sprintf_s(name,"D:\\vs2012\\model\\%d.jpg",i);//保存分割完毕待识别的图片
imwrite(name, number_img);
}
cout<<"图片分割完毕"<<endl;
for (int i=0;i<=4;i++)
{
char name[50];
sprintf_s(name,"D:\\vs2012\\model\\%d.jpg",i);//这里是读取文件夹中的图片
Mat temp;
temp=imread(name);//彩色图片
cvtColor(temp,temp,CV_BGR2GRAY);
Mat temp_threshold;
threshold(temp,temp_threshold,150,255,THRESH_BINARY);
//cout<<temp.channels()<<endl;
myDiscern(temp);
//myThreshold(temp);
}
finish=clock();
double all_time=double(finish-start)/CLOCKS_PER_SEC;
/*cout<<"运行总时间是:"<<all_time<<endl;*/
waitKey(0);
return 0;
}
//数字识别
void myDiscern(Mat image)
{
double weight=image.cols;//cols是宽,cols是列
double height=image.rows;//rows是高,rows是行
/*这里为啥要先找1呢,因为1和其他分割好的图片尺寸不一样,
比较窄,根据这个特征可以直接判断他就是1,如果采用下边代码中的方式
有可能识别出8*/
if (height>3*weight)
{
cout<<"1";
return;
}
//竖线
int x_half=image.cols/2;//定义图片的竖直轴线
//将图片分成三段式上中下
//上横线
int y_one_third=image.rows/3;//定义第一段距离
//下横线
int y_two_third=image.rows*2/3;//定义第二段距离
int a=0,b=0,c=0,d=0,e=0,g=0,f=0;
//竖线识别agd段
for (int i=0;i<image.rows;i++)//遍历行
{
uchar *data=image.ptr<uchar>(i);//获取第i行的首地址(指针)
if (i<y_one_third)//判断第i行是否在第一段范围内,
{
if (data[x_half]==0)//判断轴线上的一点像素值是否是0
{
a=1;
}
}
else if (i>y_one_third&&i<y_two_third)
{
if (data[x_half]==0)
{
g=1;
}
}
else
{
if (data[x_half]==255)
{
d=1;
}
}
}
//上横线识别
for (int j=0;j<image.cols;j++)//遍历列
{
uchar *data=image.ptr<uchar>(y_one_third);//获取第y_one_third行的首地址(指针)
//f识别
if (j<x_half)//判断第j列是否小于中间轴线,如果小于就是代表在左半部分
{
if (data[j]==0)//再次进行判断,判断第j列的像素是否为0
{
f=1;
}
}
//b识别
else
{
if (data[j]==0)
{
b=1;
}
}
}
//下横线识别
for (int z=0;z<image.cols;z++)
{
uchar *data=image.ptr<uchar>(y_two_third);
//e识别
if (z<x_half)
{
if (data[z]==0)
{
e=1;
}
}
//c识别
else
{
if (data[z]==0)
{
c=1;
}
}
}
if (a==1&&b==1&&c==1&&d==1&&e==1&&f==1&&g==0)
{
cout<<"0";
}
else if (a==0&&b==1&&c==1&&d==0&&e==0&&f==0&&g==0)
{
cout<<"1";
}
else if (a==1&&b==1&&c==0&&d==1&&e==1&&f==0&&g==1)
{
cout<<"2";
}
else if (a==1&&b==1&&c==1&&d==1&&e==0&&f==0&&g==1)
{
cout<<"3";
}
else if (a==0&&b==1&&c==1&&d==0&&e==0&&f==1&&g==1)
{
cout<<"4";
}
else if (a==1&&b==0&&c==1&&d==1&&e==0&&f==1&&g==1)
{
cout<<"5";
}
else if (a==1&&b==0&&c==1&&d==1&&e==1&&f==1&&g==1)
{
cout<<"6";
}
else if (a==1&&b==1&&c==1&&d==0&&e==0&&f==0&&g==0)
{
cout<<"7";
}
else if (a==1&&b==1&&c==1&&d==1&&e==1&&f==1&&g==1)
{
cout<<"8";
}
else if (a==1&&b==1&&c==1&&d==1&&e==0&&f==1&&g==1)
{
cout<<"9";
}
}
整体思想:根据没个数字特征,来判断哪段晶体管是0或者255,比如:9是e段为0,其他段为255,根据这个特征可以判断出他就是9,
首先把图片先分为上中下三段识别,找出agd,然后再根据中间轴线找出左右,这样一次就可以判断,
这里要提出的一点是我一开始是想用的image.at(x,y)来遍历素有的像素,但是网上有大佬用指针来遍历像素,我也就用了指针,这样的遍历速度是最快的,节约时间。
指针遍历像素
for (int i=0;i<image.rows;i++)//遍历行
{
uchar *data=image.ptr<uchar>(i);//获取第i行的首地址(指针)
if (i<y_one_third)//判断第i行是否在第一段范围内,
{
if (data[x_half]==0)//判断轴线上的一点像素值是否是0
{
a=1;
}
}
else if (i>y_one_third&&i<y_two_third)
{
if (data[x_half]==0)
{
g=1;
}
}
由于我也是处于学习过程,有很多欠缺的地方,希望读者多提提建议,我们共同进步,欢迎交流