一. 算法流程：

1）对图片进行缩放预处理的目的是为了模板匹配效果更优

    Mat src_img = imread("./img/26.jpg", 1);Mat temp_img = imread("./img/temp1.jpg");Mat result_img;//先将原图进行缩放double d = 960.0 / src_img.rows;int w = src_img.cols * d;int h = src_img.rows * d;cv::resize(src_img, src_img, cv::Size(w, h));d = 300.0 / temp_img.rows;cv::resize(temp_img, temp_img, cv::Size(temp_img.cols * d, temp_img.rows * d));Mat temp_imgc = temp_img.clone();int temp_imgc_col = temp_img.cols - 1 * 0.05 * temp_img.cols;int temp_imgc_row = temp_img.rows - 1 * 0.05 * temp_img.rows;resize(temp_imgc, temp_imgc, Size(temp_imgc_col, temp_imgc_row));

2）模板匹配

   //进行模板匹配matchTemplate(src_img, temp_imgc, result_img, 0);double minVal = -1;double maxVal;Point minLoc;Point maxLoc;Point matchLoc;minMaxLoc(result_img, &minVal, &maxVal, &minLoc, &maxLoc, Mat());Mat img_show = src_img.clone();matchLoc = minLoc;//根据resultImg中的最大值位置在源图上画出矩形rectangle(img_show, matchLoc, Point(matchLoc.x + temp_imgc.cols, matchLoc.y + temp_imgc.rows), Scalar(0, 255, 0), 1, 8, 0);imshow("ROI", img_show);

3）感兴趣区域

   //获取匹配得到区域Rect roi = Rect(matchLoc, Point(matchLoc.x + temp_imgc.cols, matchLoc.y + temp_imgc.rows));Mat ROI_img = src_img.clone();ROI_img = ROI_img(roi);

4）转灰度图

   //转灰度图cv::cvtColor(ROI_img, ROI_img, COLOR_RGB2GRAY);

5）二值化处理：变成黑白两色

   //二值化，第三个参数根据实际情况动态调整threshold(ROI_img, ROI_img, 230, 255, THRESH_BINARY);

6）膨胀：将图片数字中有空隙的笔画变连贯

   Mat dil_img;Mat element = getStructuringElement(MORPH_RECT, Size(10, 10)); // 膨胀dilate(ROI_img, dil_img, element);imshow("image_dil", dil_img);

7）轮廓提取：获取单个数字的矩形轮廓

   //轮廓提取vector<vector<Point> > out;vector<Vec4i> hierarchy;cv::findContours(dil_img, out, hierarchy, RETR_LIST, CHAIN_APPROX_NONE);const size_t size = out.size();vector<Rect> num_location;for (int i = 0; i < size; i++){num_location.push_back(boundingRect(Mat(out[i])));// 转换为矩形轮廓}std::sort(num_location.begin(), num_location.end(), [](const cv::Rect& a, const cv::Rect& b) {if (a.x < b.x)return true;elsereturn false;});

8）数字分割和数字识别：分割成单个数字图片然后逐一识别

   //数字分割for (int i = 0; i < size; i++){if (!IsAllWhiteOrBlack(dil_img(num_location[i]))) {//数字识别int num = TubeIdentification(dil_img(num_location.at(i)));std::cout << num << " ";}}

9）穿线法识别数字

算法原理：

如上图，将图片数字分成上下三等分、左右均分，然后分别判断a、b、c、d、e、f、g线条在六个空间里面的黑白像素占比，以此来判断该区域是否具有该线条，并且给每段线条赋予1、2、4、8、16、32、64的权值，通过累计权值，最后推导出数字。

bool Iswhite(const Mat& inputmat, int rowMin, int rowMax, int colMin, int colMax)
{int area = (colMax - colMin + 1) * (rowMax - rowMin + 1);Rect rect(colMin, rowMin, colMax - colMin + 1, rowMax - rowMin + 1);Mat roi = inputmat(rect);int total  = cv::countNonZero(roi);if (total >= area * 1.0 / 5){return true;}return false;
}int TubeIdentification(Mat inputmat)
{int tube = 0;int tubo_roi[7][4] ={{ inputmat.rows * 0 / 3, inputmat.rows * 1 / 3, inputmat.cols * 1 / 2, inputmat.cols * 1 / 2 }, // a{ inputmat.rows * 1 / 3, inputmat.rows * 1 / 3, inputmat.cols * 2 / 3, inputmat.cols - 1     }, // b{ inputmat.rows * 2 / 3, inputmat.rows * 2 / 3, inputmat.cols * 2 / 3, inputmat.cols - 1     }, // c{ inputmat.rows * 2 / 3, inputmat.rows - 1    , inputmat.cols * 1 / 2, inputmat.cols * 1 / 2 }, // d{ inputmat.rows * 2 / 3, inputmat.rows * 2 / 3, inputmat.cols * 0 / 3, inputmat.cols * 1 / 3 }, // e{ inputmat.rows * 1 / 3, inputmat.rows * 1 / 3, inputmat.cols * 0 / 3, inputmat.cols * 1 / 3 }, // f{ inputmat.rows * 1 / 3, inputmat.rows * 2 / 3, inputmat.cols * 1 / 2, inputmat.cols * 1 / 2 }, // g};if (inputmat.rows / inputmat.cols > 2)   // 1 is special, which is much narrower than others{tube = 6;}else{for (int i = 0; i < 7; i++){if (Iswhite(inputmat, tubo_roi[i][0], tubo_roi[i][1], tubo_roi[i][2], tubo_roi[i][3]))tube = tube + (int)pow(2, i);}}switch (tube){case  63: return 0;  break;case   6: return 1;  break;case  91: return 2;  break;case  79: return 3;  break;case 102: return 4;  break;case 109: return 5;  break;case 125: return 6;  break;case   7: return 7;  break;case 127: return 8;  break;case 103:case 111: return 9;  break;default: return -1;}
}

opencv识别数码管数字相关推荐

实战 | 计算器/数码管数字识别基于OpenCV和EasyOCR/PaddleOCR(附源码)
点击下方卡片,关注"OpenCV与AI深度学习"公众号! 视觉/图像重磅干货,第一时间送达! 导读本文主要介绍一个计算器显示数字识别的OCR实例,基于OpenCV和EasyOCR ...
python信用卡识别_python opencv实现信用卡的数字识别
本项目利用python以及opencv实现信用卡的数字识别前期准备导入工具包定义功能函数模板图像处理读取模板图像 cv2.imread(img) 灰度化处理 cv2.cvtColor(img ...
【实战】python以及opencv实现信用卡的数字识别
本项目利用python以及opencv实现信用卡的数字识别前期准备导入工具包定义功能函数模板图像处理读取模板图像 cv2.imread(img) 灰度化处理 cv2.cvtColor(img ...
数码管数字识别方法整理
数码管数字识别方法整理图像任务 OCR任务图像分类目标检测图像分割图像增强视频任务正文: OCR--数码管数字识别方法整理文本检测+ 字符分割+ 单数字识别参考资料: 参考博客: 参 ...
OpenCV模板匹配识别图片中的数字
OpenCV模板匹配识别图片中的数字前言本博客主要实现利用OpenCV的模板匹配识别图像中的数字,然后把识别出来的数字输出到txt文件中,如果识别失败则输出"读取失败". 操作 ...
在OpenCV里使用SVM识别手写数字
前面使用了kNN算法来识别手写数字,我们是直接把数字的灰度值大小作为特征值来学习.而这里要使用SVM算法,是否也可以使用灰度值来做呢?对于SVM算法来说,可能要采用另外一个特征方式,叫做梯度方向直方图 ...
转载：使用 OpenCV 识别 QRCode
原文链接:http://coolshell.cn/articles/10590.html#jtss-tsina 识别二维码的项目数不胜数,每次都是开箱即用,方便得很. 这次想用 OpenCV 从零识别 ...
opencv resize_利用OpenCV 识别两张相似的图片
Background: 在我们项目中,用到U-net,我们对训练样本图片使用labelme进行标定,对标定生成的json文件labelme_json_to_dataset生成标注图像,由于小伙伴将生成 ...
opencv 取roi_利用OpenCV 识别两张相似的图片
Background: 在我们项目中,用到U-net,我们对训练样本图片使用labelme进行标定,对标定生成的json文件labelme_json_to_dataset生成标注图像,由于小伙伴将生成 ...

opencv识别数码管数字

一. 算法流程：

1）对图片进行缩放预处理的目的是为了模板匹配效果更优

2）模板匹配

3）感兴趣区域

4）转灰度图

5）二值化处理：变成黑白两色

6）膨胀：将图片数字中有空隙的笔画变连贯

7）轮廓提取：获取单个数字的矩形轮廓

8）数字分割和数字识别：分割成单个数字图片然后逐一识别

9）穿线法识别数字

opencv识别数码管数字相关推荐

最新文章

热门文章