基于Opencv的手写字识别

关于之前已经写过一篇文章了，是关于字符提取的与识别的，本篇文章与上次的文章内容大致一致，只是比对数据库变更了，并且不仅只通过轮廓，还可以通过模板图的方式来进行手写字提取！

函数介绍，以及轮廓提取和识别流程这里就不细说，详细的可以参考我的上一篇文章：使用Opencv进行轮廓检测，字符提取，简单的直方图字符识别！

首先比对要有数据库图，这里我们先手写几个字作为数据库模板

(JPG格式)

鼠标手写字有点不顺，写的有点丑，见笑了哈！

然后我们在手写两个字，注意必须是比对模板里有的

由于比对模板里只有中国两个手写字，所以这里就写上中国两个字：

下面开始上代码进行手写字比对

(代码具体讲解参考上一篇博客)

结构体：

typedef struct p_image{char c_name[256];CvHistogram *img_zft;
}p_image;

main代码：

//打开要识别的图像    IplImage *image = cvLoadImage("d:\\1.jpg");if (image == NULL){printf("错误：无法打开该图像文件！");}//转换到灰度图    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);cvCvtColor(image, img_gray, CV_BGR2GRAY);//二值化    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);//寻找轮廓    CvMemStorage *pStorage = cvCreateMemStorage(0);CvSeq *pConInner = NULL;int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);IplImage* imgNo[9] = { NULL };IplImage *i1[9] = { NULL };//手写字提取    for (int i = 0; i < num; i++){CvRect rc = cvBoundingRect(pConInner);//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));    //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！    imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height));//设置源图像ROI    cvCopy(image, imgNo[i]);    //裁剪    pConInner = pConInner->h_next;}//将获取到的手写字保存起来，在读取出来，分别存储到对应的模板img文件夹里//保存与读取      char name[256];for (int i = 0; i < num; ++i){sprintf(name, "d:\\img\\%d.jpg", i);cvSaveImage(name, imgNo[i]);}char b[256];for (int i = 0; i < num; ++i){sprintf(b, "d:\\img\\%d.jpg", i);imgNo[i] = cvLoadImage(b);}//灰度转换    for (int i = 0; i < num; ++i){i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY);//CV_BGR2GRAY      }//计算原图的直方图    int arr_size = 255;                 //定义一个变量用于表示直方图行宽      float hranges_arr[] = { 0, 255 };       //图像方块范围数组      float *phranges_arr = hranges_arr;      //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参      //创建直方图      CvHistogram *hist[9];for (int i = 0; i < num; ++i){hist[i] = cvCreateHist(1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1);//创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化      }//计算直方图    for (int i = 0; i < num; ++i){cvCalcHist(&i1[i], hist[i], 0, 0);}//手写字与图像关联    //加载模板图，图像存放在d盘img1文件夹中   IplImage* abcd_img[9] = { NULL };char img_name[256] = { 0 };for (int i = 0; i < num; ++i){sprintf(img_name, "d:\\img1\\%d.jpg", i);abcd_img[i] = cvLoadImage(img_name);}//转换灰度图    IplImage* abcd_img_hdt[9] = { NULL };for (int i = 0; i < num; ++i){abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY);//CV_BGR2GRAY      }//创建直方图      CvHistogram *hist_abcd[9];for (int i = 0; i < num; ++i){hist_abcd[i] = cvCreateHist(1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1);//创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化      }//计算模板图的直方图    for (int i = 0; i < num; ++i){cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);}//关联图像    p_image *p[9] = { NULL };for (int i = 0; i <= num; ++i){p[i] = (p_image *)malloc(sizeof(p_image));}//手写字关联    char abcd[9][256] = { "中", "国"};    //定义一个二维字符数组，9行，每行256列(256个数据)for (int i = 0; i <= num; ++i){strcpy(p[i]->c_name,abcd[i]);}//直方图关联    for (int i = 0; i < num; ++i){p[i]->img_zft = hist_abcd[i];}//匹配图像    //用于结果    char j_c[9][256];for (int j = 0; j < num; ++j){double Compare = cvCompareHist(hist[j], p[j]->img_zft, 0);     //使用CV_COMP_CORREL方法进行对比    if (Compare >= 0.9){ //精准度达90%strcpy(j_c[j], p[j]->c_name);}}printf("检测到%d个手写字，分别是:\n", num);for (int i = 0; i < num; ++i){printf("%s\n", j_c[i]);}getchar();

运行结果：

注意前面说过，直方图是利用图像中明暗程度进行比较的，像这种黑白图，白就代表明，黑就代表暗，所以识别起来重叠几率较高，不建议使用模板比对，建议使用其他方法进行比对！

基于Opencv的手写字识别相关推荐

毕业设计-基于机器视觉的手写字识别系统
目录前言课题背景和意义实现技术思路实现效果图样例前言
基于tensorflow的MNIST手写字识别
一.卷积神经网络模型知识要点卷积卷积 1.卷积 2.池化 3.全连接 4.梯度下降法 5.softmax 本次就是用最简单的方法给大家讲解这些概念,因为具体的各种论文网上都有,连推导都有,所以本文主要 ...
TensorFlow基于minist数据集实现手写字识别实战的三个模型
手写字识别 model1:输入层→全连接→输出层softmax model2:输入层→全连接→隐含层→全连接→输出层softmax model3:输入层→卷积层1→卷积层2→全连接→dropout层→ ...
用TensorFlow教你手写字识别
1.MNIST数据集基于MNIST数据集实现手写字识别可谓是深度学习经典入门必会的技能,该数据集由60000张训练图片和10000张测试图片组成,每张均为28*28像素的黑白图片.关于数据集的获取, ...
利用卷积神经网络实现手写字识别
本文我们介绍一下卷积神经网络,然后基于pytorch实现一个卷积神经网络,并实现手写字识别卷积神经网络介绍传统神经网络处理图片问题的不足让我们先复习一下神经网络的工作流程: 搭建一个神经网络将 ...
python手写汉字识别_TensorFlow 2.0实践之中文手写字识别
问题导读: 1.相比于简单minist识别,汉字识别具有哪些难点? 2.如何快速的构建一个OCR网络模型? 3.读取的时候有哪些点需要注意? 4.如何让模型更简单的收敛? 还在玩minist?fash ...
.net 数字转汉字_TensorFlow 2.0 中文手写字识别（汉字OCR）
TensorFlow 2.0 中文手写字识别(汉字OCR) 在开始之前,必须要说明的是,本教程完全基于TensorFlow2.0 接口编写,请误与其他古老的教程混为一谈,本教程除了手把手教大家完成这个 ...
利用神经网络实现手写字识别
神经网络介绍神经网络即多层感知机如果不知道感知机的可以看博主之前的文章感知机及Python实现神经网络实现及手写字识别关于数据集: 从http://yann.lecun.com/exdb/mn ...
数字识别java开源_Java基于opencv实现图像数字识别(三)—灰度化和二值化
Java基于opencv实现图像数字识别(三)-灰度化和二值化一.灰度化灰度化:在RGB模型中,如果R=G=B时,则彩色表示灰度颜色,其中R=G=B的值叫灰度值:因此,灰度图像每个像素点只需一个字 ...

基于Opencv的手写字识别

基于Opencv的手写字识别相关推荐

最新文章

热门文章