opencv图像识别 红色

直接对每个像素点判断即可，src是图像

IplImage* src

CvScalar s

for(int i = 0i <src->heighti++)

{

for(int j = 0j <src->widthj++)

{

s = cvGet2D(src,i,j)// 获得像素值

if(s.val[0]<50&&s.val[1]<50&&s.val[2]>200)

//注意这里的012对应的是bgr，范围的意思是防止光线的明暗影响，可以适当放宽，另外你也可以选择其他的颜色空间，可以直接取消明暗影响，比如HSV

{

s.val[0]=0

s.val[1]=0

s.val[2]=255

} //如果满足条件就设置为红色

else

{

s.val[0]=0

s.val[1]=0

s.val[2]=0

} //如果不满足就设置为黑色

cvSet2D(src,i,j,s)//设置像素

}

}

cvNamedWindow( "image", 1 )

cvShowImage("imagequot,src)//显示出来

另外你说的定位是什么意思，是不是说像车牌那样做一个矩形框框起来？我这做过一个车牌定位的，如果是的话我可以发给你！或者把代码贴出来

将字符定位，然后进行分割成一个一个的独立字符。可以准备一下字符样本，丢进opencv中的bp神经网络训练分类器，用训练好的分类器去对切分的字符进行识别。一个基本的思路，网上应该很多。

才开始练习写作，经验和文笔都是比较差的，在这里再次梳理一下从采集样本到图像识别结果的全部过程。

识别扑克牌：识别字符和和花色，这里没有考虑大小王。

2.1.使用Opencv查找联通区域

2.2.把这些联通区域转换成矩形

2.3.通过矩形的大小，长宽，筛选出候选区

2.4.人工分类，分成正样本和负样本

3.1 归一化

在计算特征之前，必须保证所有的样本是一样大小，这样可以得到的特征纬度是一样的，这个过程可以在采集样本的时候做，就是把所有样本resize成一样大小的图片，也可以在在计算特征的时候，先resize成一样的大小再计算特征。

3.2 特征化

把所有的样本都计算成特征值，等待传入AI引擎

3.3 识别

把所有的候选区先resize成归一化大小，再计算出特征，然后应用到特征引擎识别。

注意：

1.本例使用特征算法是是HOG特征，这里没有细讲，感兴趣的同学自动搜索学习。

---