OpenCV——识别印刷体数字(转)
数字识别和其他的所有计算机视觉相关的应用都会分为两个步骤：ROI抽取和识别。
1. ROI抽取即将感兴趣的区域从原始图像中分离初来，这个步骤包括二值化，噪点的消除等
2. 识别即通过一些分类器将第一步中的结果进行分类，事实上属于机器学习的一个典型应用
数字识别步骤：
1.先处理图像：
转换为灰度值（灰度图较之原始图片，将三个维度的矩阵变成了一个维度）
转换为二值图（二值图即将灰度图转换成黑白图，每个点只有两种可能：非黑即白）
Mat srcImage = imread("number.png");
Mat dstImage, grayImage, Image;
cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);
threshold(grayImage, Image, 48, 255, CV_THRESH_BINARY_INV);
PS:48即为阈值，如果灰度高于48，那么该点会被认为是255，否则为0。
2.检测并勾勒轮廓：
轮廓检测将二值图中的可连通的区域用一坨点表示，默认的轮廓检查会返回一个点的序列，使这个序列构成一个图形将该连通区域的所有点包围起来，比如四个点构成一个矩形。
特例：由于8这个数字中有两个圆圈，默认的轮廓检查会将这两个圆圈都检测到，8就会有三个轮廓，同样还可能出现这种情况的还有数字4,6,9。
因此需要指定findContours（）函数仅搜索最外层的轮廓，而不关注内部可能出现的任何轮廓。
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(Image,contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
drawContours(dstImage, contours, -1, (255,255,255) );
检测完轮廓后，使用contours迭代器遍历每一个轮廓，找到并画出包围这个轮廓的最小矩阵。
vector<vector<Point>>::iterator It;
for(It = contours.begin();It < contours.end();It++){ //画出可包围数字的最小矩形
Point2f vertex[4];
RotatedRect rect = minAreaRect(*It);
rect.points(vertex);
for( int j = 0; j < 4; j++)
line(dstImage,vertex[j], vertex[ (j+1)%4 ],Scalar(0,0,255),1);
}
但是，上述方法画出的矩形为旋转矩形（不一定水平） ，所以不采用这种方法。应使用boundingRect()画出矩形。
vector<vector<Point>>::iterator It;
for(It = contours.begin();It < contours.end();It++){ //画出可包围数字的最小矩形
Point2f vertex[4];
Rect rect = boundingRect(*It);
vertex[0] = rect.tl(); //矩阵左上角的点
vertex[1].x = (float)rect.tl().x, vertex[1].y = (float)rect.br().y; //矩阵左下方的点
vertex[2] = rect.br(); //矩阵右下角的点
vertex[3].x = (float)rect.br().x, vertex[3].y = (float)rect.tl().y; //矩阵右上方的点
for( int j = 0; j < 4; j++)
line(dstImage,vertex[j], vertex[ (j+1)%4 ],Scalar(0,0,255),1);
画出图像如下图
3.数字顺序整理：
由于轮廓检测时，不一定按照图中所给顺序进行检测，所以在检测轮廓时，要记录所给数字的坐标，根据x，y坐标进行排序。
由于用上述方法在同一行画出的矩形位于同一水平面，因此直接比较其某一点坐标即可。对此，我写出如下结构体：
struct con{
double x,y; //轮廓位置
int order; //轮廓向量contours中的第几个
bool operator<(con &m){
if(y > m.y) return false;
else if( y == m.y){
if(x < m.x) return true;
else return false;
}
else return true;
}
}con[100];
我按轮廓检测顺序的将矩阵的中心点存入结构体中，然后调用sort()函数。
con[i].x = (vertex[0].x+vertex[1].x+vertex[2].x+vertex[3].x) / 4.0; //根据中心点判断图像的位置 con[i].y = (vertex[0].y+vertex[1].y+vertex[2].y+vertex[3].y) / 4.0; //cout << i <<":"<< endl; //cout << vertex[3].x<<" "<< vertex[3].y<<endl; con[i].order = i;
但是用这种方法上图中的数字”4“一直在最前面，改了好久也没有结果，就先着手下一步。
PS： 最后发现了问题，如下：
sort(con,con+i); //正确 sort(con,con+i+1); //错误
4.切割各个数字：
使用ROI进行切割，关于ROI详见 http://www.cnblogs.com/farewell-farewell/p/5905107.html
我在此处写的ROI法分隔图片的方法如下，但是存在内存访问上的问题。
IplImage* num[10];
for(int j = 0; j < i; j++){
int k = con[i].order;
IplImage* src = cvLoadImage("number.jpg");
cvSetImageROI(src,rect[k]);
num[j] = cvCreateImage(cvSize(rect[k].width,rect[k].height),IPL_DEPTH_8U,2);
cvCopy(src,num[j]);
cvResetImageROI(src);
}
最后换另一种方法，更简单，将其分割
Mat num[10];
for(int j = 0; j < i; j++){
cout << "s "<<j<<endl;
int k = con[j].order;
cout << "k "<<k<<endl;
srcImage(rect[k]).copyTo(num[j]);
}
分割后的数字按顺序存放在num[10]图像数组中。
5.最后的识别
将按轮廓线切割好的数字放于程序文件中，然后采用逐点像素遍历的方法来进行对比
//两图象逐像素对比的函数
double compare(Mat &src, Mat &sample)
{
double same = 0.0, difPoint = 0.0;
Mat now;
resize(sample,now,src.size());
int row = now.rows;
int col = now.cols * now.channels();
for(int i = 0; i < 1; i++){
uchar * data1 = src.ptr<uchar>(i);
uchar * data2 = now.ptr<uchar>(i);
for(int j = 0; j < row * col; j++){
int a = data1[j];
int b = data2[j];
if( a == b)same++;
else difPoint++;
}
}
return same/(same+difPoint) ;
}
//选取符合程度最高的数字
void deal(Mat &src,int order)
{
sample = imread("0.jpg");
Threshold(src,sample,0);
sample = imread("1.jpg");
Threshold(src,sample,1);
sample = imread("2.jpg");
Threshold(src,sample,2);
sample = imread("3.jpg");
Threshold(src,sample,3);
sample = imread("4.jpg");
Threshold(src,sample,4);
sample = imread("5.jpg");
Threshold(src,sample,5);
sample = imread("6.jpg");
Threshold(src,sample,6);
sample = imread("7.jpg");
Threshold(src,sample,7);
sample = imread("8.jpg");
Threshold(src,sample,8);
sample = imread("9.jpg");
Threshold(src,sample,9);
sort(result,result+10);
if(result[9].bi > 0.6) {
cout << "第" << order << "个数字为 "<< result[9]. num<<endl;
cout << "识别精度为 " << result[9].bi <<endl;
}
else cout << "第" << order << "个数字无法识别"<<endl;
}
void Threshold(Mat &src,Mat &sample ,int m)
{
cvtColor(sample, sample, COLOR_BGR2GRAY);
threshold(sample, sample, 48, 255, CV_THRESH_BINARY_INV);
result[m].bi = compare(src,sample);
result[m].num = m;
}
}con[15];
struct result{
double bi;
int num;
bool operator<(result &m){
if(bi < m.bi)return true;
else return false;
}
}result[15];
大功告成~
完整的代码：
按 Ctrl+C 复制代码
按 Ctrl+C 复制代码