如何基于opencv实现简单的数字识别

现在很多场景需要使用的数字识别,比如银行卡识别,以及车牌识别等,在AI领域有很多图像识别算法,大多是居于opencv 或者谷歌开源的tesseract 识别,下面这篇文章主要给大家介绍了关于如何基于opencv实现简单的数字识别,需要的朋友可以参考下

前言

由于自己学识尚浅，不能用python深度学习来识别这里的数字，所以就完全采用opencv来识别数字，然后在这里分享、记录一下自己在学习过程中的一些所见所得和所想

要解决的问题

这是一个要识别的数字，我这里首先是对图像进行一个ROI的提取，提取结果就仅仅剩下数字，把其他的一些无关紧要的要素排除在外，

这是ROI图片，我们要做的就是识别出该照片中的数字，

解决问题的思路

1、先把这个图片中的数字分割，分割成为5张小图片，每张图片包含一个数字，为啥要分割呢？因为我们没办法让计算机知道这个数字是多少，所以只能根据特征，让计算机去识别特征，然后每一个特征对应一个值，首先贴出分割图片的程序，然后在程序下方会有一段思路解释

 #include  #include  #include  #include  #include  #include  #include  using namespace std ; using namespace cv; #include  Mat src_threshold; Mat src_dil; int sunImage(Mat &image); vectorROI_image;//待测图片 int main() { clock_t start ,finish; start=clock(); Mat src; src=imread("D:\\vspic\\picture\\number6.jpg-600"); 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>contours_src; vectorhierarchy_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;i1.5&&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(3, 3), 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(8,8)); 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> contours; vector 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< num_order;//定义一个整型int容器 map 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  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 second]);//num_order里面放的是坐标 //cout<<"num_map的值是："<second<temptImage;//存放模板 for (int i=0;i<4;i++) { char name[50]; sprintf_s(name,"D:\\vs2012\\model\\%d.jpg-600",i); Mat temp; temp=imread(name); //cout<<"加载模板图片通道数："<seq;//存放顺序结果 for (int i=0;i(j,i); } } return sum; }

整体思路是这样子的：0-9这10个数字也都是已经被分割好的，并且保存好了，也就是模板，然后我们把待测的图片也分割掉，然后从0-9模板文件夹中去读取模板图片，让待测的分割完毕的图片去和10个模板逐个相减，然后去统计他们相减后的像素和，如果这个在这10个中最低，那么他们就是同一个数字，然后输出值就可以了，分割后的大概是这样