图像识别谈论，不仅限于OCR，基于水表识别，燃气表识别为例

我们都知道单纯靠算法解决一切问题是不现实，图像识别作为一个工程性很强的领域，更多的需要从输入源，也就是图像采集端（摄像头或者扫描仪等）、光源以及系统架构方面等解决问题。做过低照度高帧率图像识别，也搞过不少机器视觉物料分拣项目，对此深有体会。一个清晰的图像质量，干净的背景会方便后期图像处理很多，所以实际项目中首先保证尽可能好的图像，尽可能干净的背景，之后再来图像检测定位分割跟踪或者识别。

• 下面以水表识别，燃气表识别为例进行讨论

---

图像处理到底靠不靠谱，做检测识别需不需要做图像预处理

• 图像识别项目最大的特征就是“看图说话”，具体项目具体处理。所以需不需要图像预处理，看具体项目需要。
• 图像预处理耗时吗？很多项目需要在手机平台运行，或者嵌入式上跑，用CPU处理一张720P的图像会很耗时，比如720P的RGB在iPhone6上做resize就需要20多ms了，有时候会借助于GPU来预处理图像。
• 对于实时性要求很高的应用来说，我的经验上基本上直接原图上用分类器做检测定位分割就够了，不需要图像处理。比如基于haar+adaboost的图像检测，基于CNN的图像定位等。因为原图一动，所有的样本就动了，分割出来的识别样本就不一样了，试想几百万的样本，有滤波过的，有没有滤波的，有直方图拉伸过的，有没有拉伸过的，如果在低照度下，因为曝光时间比较短，相机成像较差，会出现部分图像噪点很严重࿰