opencv图像识别数字的简单实例

　　opencv基本图片 *** 作：

　　因为opencv有2.0 和 3.0 的版本区别，所以网上搜到的函数或类型都是两种格式，建议用新版的，什么impImage* 类型的都是2.0版本的写法，我全部使用的是Mat。一定要统一好，不要一会新的一会旧的，会报错的。

　　读图片imread，显示imshow，等待waitKey等等，这些要先熟悉

　　opencv的强大之处在于几乎所有的图像 *** 作它都有现成的函数可供调用，非常方便。多谷歌，一定会有函数已经实现了你想完成的功能。

　　二值化：不论是原图还是有划痕或噪点的图，背景都不干净，这对识别的影响还是挺不好的，所以要先二值化，把黑白像素点区分的开一些。但是图片右侧明显要比左侧更暗，所以在阈值选取的时候比较难办，很难用一个固定的值将两部分图像都二值化得很理想，所以就用到了逼格更高的自适应二值化（adapTIveThreshold），TIps：二值化前先直方图均衡一下效果会更好。

　　中值滤波：针对有噪点和有划痕的图像，中值滤波是非常好的处理方案，中值的参数可调，可以很好的消除噪音的影响。缺点就是参数不好调啊，调的想死。。

　　模板匹配：模板的来源可以是自己从待识别的图片中抠图，不过我们作业提供了模板图片，所以这一步就可以省掉了。opencv提供了非常强大的matchTemplate函数，可以将给定图片与模板按照你规定的计算方法计算一个相似度的值，并将对应的坐标存储下来，你需要做的只是将值比较大（或小，与你规定计算相似度的函数有关）的图像框出来即可

　　窗口扫描：为了提高识别率，我设定了一个窗口对原图进行扫描，扫描窗口的移动设定了一点规则，就是如果前一个窗口没有匹配到数字就微调窗口位置，如果匹配到数字就将窗口左轴移动到匹配到的数字的右侧，再重复扫描。

　　以下是基于OpenCV实现简单的数字识别。这里以游戏Angry Birds为例，通过以下几个主要步骤对其中右上角的分数部分进行自动识别。

　

　　1. 学习分类器

　　根据训练样本，选取模型训练产生数字分类器。这里的样本可以是通用的数字样本库（如NIST等），也可以是针对应用场景而制作的专门训练样本。前者优在泛化性，后者强在准确率，当然常用做法是将这两者结合，即在通用数字库基础上做修改。另外这里由于模式并不复杂，计算量也不大，所以不对样本进行特征提取，对原始样本作简单变换后直接作为训练样本。

　　具体地，首先是生成训练样本矩阵，一般样本是以二维矩阵的方式存在文件当中，现在要将它们读出来，进行适当的预处理，然后生成OpenCV能理解的数据结构。

　　train_X = cvCreateMat（sample_num * class_num， size * size， CV_32FC1）;

　　train_Y = cvCreateMat（sample_num * class_num， 1， CV_32FC1）;

　　for（i = 0; i 《 class_num; i++）{

　　for（j = 0; j 《 sample_num; j++）{

　　src_image = cvLoadImage（file，0）;

　　pimage = preprocessing（src_image， size， size）;

　　。。。

　　cvGetRow（train_X， &row， i * sample_num + j）;

　　row_vec = cvReshape（&data， &mathdr， 0， 1）;

　　cvCopy（row_vec， &row， NULL）;

　　。。。

　　cvGetRow（train_Y， &row， i * sample_num + j）;

　　cvSet（&row， cvRealScalar（i））;

　　}

　　}

　　训练样本中的数字位置形态各异，因此读入时需要进行规整化。主要方法是先找到数字的边界框，然后以宽和高中大的一边为基准进行缩放和拉伸，从而使得其可以占满整个表示单个样本的矩阵。

　　IplImage preprocessing（IplImage* img， int w， int h）{

　　。。。

　　bb = findBoundingBox（img）;

　　cvGetSubRect（img， &data， cvRect（bb.x， bb.y， bb.width， bb.height））;

　　size = （bb.width 》 bb.height） ？ bb.width ： bb.height;

　　res = cvCreateImage（cvSize（size， size）， 8， 1）;

　　x = floor（（float）（size - bb.width） / 2.0f）;

　　y = floor（（float）（size - bb.height） / 2.0f）;

　　cvGetSubRect（res， &subdata， cvRect（（int）x， （int）y， bb.width， bb.height））;

　　cvCopy（&data， &subdata， NULL）;

　　ret = cvCreateImage（cvSize（w， h）， 8， 1）;

　　cvResize（res， ret， CV_INTER_NN）;

　　return *ret;

　　}

　　假设单个样本可表示为0/1矩阵，那findBoundingBox（）只要从x和y方向分别扫描最大最小的非0值就可以了。 训练样本准备好后，在OpenCV中创建相应的分类器非常方便。这里用的是KNN，当然除了KNN外还有其它很多封装好的分类器（如NN， SVM等）。

　　knn = new CvKNearest（train_X， train_Y， 0， false， K）;