1、先把這個圖片中的數字分割，分割成為5張小圖片，每張圖片包含一個數字，為啥要分割呢？因為我們沒辦法讓計算機知道這個數字是多少，所以只能根據特征，讓計算機去識別特征，然后每一個特征對應一個值，首先貼出分割圖片的程序，然后在程序下方會有一段思路解釋
#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>
Mat src_threshold;
Mat src_dil;
int sunImage(Mat image);
vectorMat>ROI_image;//待測圖片
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);
vectorvectorPoint>>contours_src;
vectorVec4i>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;icontours_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>1.5height>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;
// 生成灰度圖像
cvtColor(img, gray_img, CV_BGR2GRAY);
// 高斯模糊
Mat img_gau;
GaussianBlur(gray_img, img_gau, Size(3, 3), 0, 0);
// 閾值分割
Mat img_seg;
threshold(img_gau, img_seg, 0, 255, THRESH_BINARY + THRESH_OTSU);
Mat element;
element=getStructuringElement(MORPH_RECT,Size(8,8));
erode(img_seg,src_dil,element);
//imshow("src_dil",src_dil);
// 邊緣檢測，提取輪廓
Mat img_canny;
Canny(src_dil, img_canny, 200, 100);
//imshow("canny",img_canny);
vectorvectorPoint>> contours;
vectorVec4i> hierarchy(contours.size());
findContours(img_canny, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point());//尋找輪廓
int size = (int)(contours.size());//輪廓的數量
//coutsizeendl;6個
// 保存符號邊框的序號
vectorint> num_order;//定義一個整型int容器
mapint, int> num_map;//容器，需要關鍵字和模板對象兩個模板參數，此處定義一個int作為索引，并擁有相關連的指向int的指針
for (int i = 0; i size; i++)
{
// 獲取邊框數據
Rect number_rect = boundingRect(contours[i]);
int width = number_rect.width;//獲取矩形的寬
int height = number_rect.height;//獲取矩形的高
// 去除較小的干擾邊框，篩選出合適的區域
if (width > img.cols/20 )
{
rectangle(img,number_rect.tl(),number_rect.br(),Scalar(255,255,255),1,1,0);//繪制矩形
imshow("img",img);//顯示矩形框
num_order.push_back(number_rect.x);//把矩形的x坐標放入number_order容器中，將一個新的元素添加到vector的最后面，
//位置為當前元素的下一個元素
num_map[number_rect.x] = i;//向map中存入鍵值對，number_rect.x是關鍵字，i是值
/*把矩形框的x坐標與對應的i值一起放入map容器中，形成一一對應的鍵值對
*/
}
}
// 按符號順序提取
sort(num_order.begin(), num_order.end());/*把number_order容器中的內容按照從小到大的順序排列,這里面是X的坐標*/
for (int i = 0; i num_order.size(); i++) {
Rect number_rect = boundingRect(contours[num_map.find(num_order[i])->second]);//num_order里面放的是坐標
//cout"num_map的值是："num_map.find(num_order[i])->secondendl;
Rect choose_rect(number_rect.x, 0, number_rect.width, img.rows);//矩形左上角x,y的坐標以及矩形的寬和高
Mat number_img = img(choose_rect);
resize(number_img,number_img,Size(30,100));//歸一化尺寸
ROI_image.push_back(number_img);//保存為待測圖片
//imshow("number" + to_string(i), number_img);
char name[50];
sprintf_s(name,"D:\\vs2012\\model\\%d.jpg",i);//保存模板
imwrite(name, number_img);
}
cout"圖片分割完畢"endl;
//加載模板
vectorMat>temptImage;//存放模板
for (int i=0;i4;i++)
{
char name[50];
sprintf_s(name,"D:\\vs2012\\model\\%d.jpg",i);
Mat temp;
temp=imread(name);
//cout"加載模板圖片通道數："temp.channels()endl;
temptImage.push_back(temp);
}
vectorint>seq;//存放順序結果
for (int i=0;iROI_image.size();i++)
{
Mat subImage;
int sum=0;
int min=50000;
int seq_min=0;//記錄最小的和對應的數字
for (int j=0;j4;j++)
{
absdiff(ROI_image[i],temptImage[j],subImage);//待測圖片像素減去模板圖片像素
sum=sunImage(subImage);//統計像素和
if (summin)
{
min=sum;
seq_min=j;
}
sum=0;
}
seq.push_back(seq_min);
}
cout"輸出數字匹配結果:";//endl是換行的意思
for (int i=0;iseq.size();i++)//輸出結果，小數點固定在第3位
{
coutseq[i];
if (i==1)
{
cout".";
}
}
finish=clock();
double all_time=double(finish-start)/CLOCKS_PER_SEC;
/*cout"運行總時間是："all_timeendl;*/
waitKey(0);
return 0;
}
//計算像素和
int sunImage(Mat image)
{
int sum=0;
for (int i=0;iimage.cols;i++)
{
for (int j=0;jimage.rows;j++)
{
sum+=image.atuchar>(j,i);
}
}
return sum;
}
整體思路是這樣子的：0-9這10個數字也都是已經被分割好的，并且保存好了，也就是模板，然后我們把待測的圖片也分割掉，然后從0-9模板文件夾中去讀取模板圖片，讓待測的分割完畢的圖片去和10個模板逐個相減，然后去統計他們相減后的像素和，如果這個在這10個中最低，那么他們就是同一個數字，然后輸出值就可以了，分割后的大概是這樣
到此這篇關于如何基于opencv實現簡單的數字識別的文章就介紹到這了,更多相關opencv實現數字識別內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
