基于opencv的数字识别

通过opencv对图片上的数字进行识别。识别方式和步骤主要是寻找出数字的外轮廓，然后根据轮廓外接矩阵对数字进行分割，然后根据模板，求出其与分割好的数字的像素差值，找出最匹配的数字。

#define _CRT_SECURE_NO_WARNINGS
#include 
#include 

using namespace std;
using namespace cv;

class myRect
{
public:
	myRect（）{}
	~myRect（）{}
	myRect（Rect &temp）:myRc（temp）{}
	//比较矩形左上角的横坐标，以便排序
	bool operator<（myRect &rect）
	{
		if （this->myRc.x < rect.myRc.x）
		{
			return true;
		}
		else
		{
			return false;
		}
	}
	//重载赋值运算符
	myRect operator=（myRect &rect）
	{
		this->myRc = rect.myRc;
		return *this;
	}
	//获取矩形
	Rect getRect（）
	{
		return myRc;
	}
private:
	Rect myRc;//存放矩形
};

//求图片的像素和
int getPiexSum（Mat &image）
{
	int sum = 0;
	for （int i = 0; i < image.cols; i++）
	{
		for （int j = 0; j < image.rows; j++）
		{
			sum += image.at（j i）;
		}
	}
	return sum;
}

/*主函数*/
int main（）
{
	//输入要识别的图片，并显示
	Mat srcImage = imread（“number.jpg“）;
	imshow（“原图“ srcImage）;
	//对图像进行处理，转化为灰度图然后再转为二值图
	Mat grayImage;
	cvtColor（srcImage grayImage COLOR_BGR2GRAY）;
	Mat binImage;
	//第4个参数为CV_THRESH_BINARY_INV是因为我的输入原图为白底黑字
	//若为黑底白字则选择CV_THRESH_BINARY即可
	threshold（grayImage binImage 100 255 CV_THRESH_BINARY_INV）;

	//寻找轮廓，必须指定为寻找外部轮廓，不然一个数字可能有多个轮廓组成，比如4689等数字
	Mat conImage = Mat::zeros（binImage.size（） binImage.type（））;
	vector> contours;
	vector hierarchy;
	//指定CV_RETR_EXTERNAL寻找数字的外轮廓
	findContours（binImage contours hierarchy CV_RETR_EXTERNAL CV_CHAIN_APPROX_NONE）;
	//绘制轮廓
	drawContours（conImage contours -1 255）;

	//将每个数字，分离开，保存到容器中
	vector sort_rect;
	for （int i = 0; i < contours.size（）; i++）
	{
		//boundingRect返回轮廓的外接矩阵
		Rect tempRect = boundingRect（contours[i]）;
		sort_rect.push_back（tempRect）;
	}

	//对矩形进行排序，因为轮廓的顺序不一定是数字真正的顺序
	for （int  i = 0; i < sort_rect.size（）; i++）
	{
		for （int j = i + 1; j < sort_rect.size（）; j++）
		{
			if （sort_rect[j] < sort_rect[i]）
			{
				myRect temp = sort_rect[j];
				sort_rect[j] = sort_rect[i];
				sort_rect[i] = temp;
			}
		}
	}


	/*加载模板，若没有则需自己新建一个*/

	//新建运行一次就好，不过制作模板的材料为0-9十个数字的图像
	//for （int i = 0; i < 10; i++）
	//{
	//	Mat ROI = conImage（sort_rect[i].getRect（））;
	//	Mat dstROI;
	//	resize（ROI dstROI Size（40 50）0 0 INTER_NEAREST）;
	//	char name[64];
	//	sprintf（name “C:/Users/Administrator/Desktop/number_recognition/number_recognition/image/%d.jpg“ i）;
	//	//imshow（str dstROI）;
	//	imwrite（name dstROI）;
	//}

	//加载模板
	vector myTemplate;
	for （int i = 0; i < 10; i++）
	{
		char name[64];
		sprintf（name “C:/Users/Administrator/Desktop/number_recognition/number_recognition/image/%d.jpg“ i）;
		Mat temp = imread（name 0）;
		myTemplate.push_back（temp）;
	}

	//按顺序取出和分割数字
	vector myROI;
	for （int i = 0; i < sort_rect.size（）; i++）
	{
		Mat ROI;
		ROI = conImage（sort_rect[i].getRect（））;
		Mat dstROI = Mat::zeros（myTemplate[0].size（）myTemplate[0].type（））;
		resize（ROI dstROI myTemplate[0].size（） 0 0 INTER_NEAREST）;
		myROI.push_back（dstROI）;
	}

	//进行比较将图片与模板相减，然后求全部像素和，和最小表示越相似

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-09-10 19:45  number_recognition\
     目录           0  2018-09-10 19:28  number_recognition\.vs\
     目录           0  2018-09-10 19:28  number_recognition\.vs\number_recognition\
     目录           0  2018-09-12 15:27  number_recognition\.vs\number_recognition\v15\
     文件       34816  2018-09-12 15:27  number_recognition\.vs\number_recognition\v15\.suo
     文件    22282240  2018-09-12 15:27  number_recognition\.vs\number_recognition\v15\Browse.VC.db
     目录           0  2018-09-10 19:29  number_recognition\.vs\number_recognition\v15\ipch\
     目录           0  2018-09-10 19:29  number_recognition\.vs\number_recognition\v15\ipch\AutoPCH\
     目录           0  2018-09-11 10:47  number_recognition\.vs\number_recognition\v15\ipch\AutoPCH\c2870fb4b32c1cb\
     文件    99549184  2018-09-12 09:26  number_recognition\.vs\number_recognition\v15\ipch\AutoPCH\c2870fb4b32c1cb\MAIN.ipch
     目录           0  2018-09-12 15:20  number_recognition\number_recognition\
     目录           0  2018-09-11 10:52  number_recognition\number_recognition\image\
     文件        1445  2018-09-12 10:26  number_recognition\number_recognition\image\0.jpg
     文件        1178  2018-09-12 10:26  number_recognition\number_recognition\image\1.jpg
     文件        1874  2018-09-12 10:26  number_recognition\number_recognition\image\2.jpg
     文件        1993  2018-09-12 10:26  number_recognition\number_recognition\image\3.jpg
     文件        1139  2018-09-12 10:26  number_recognition\number_recognition\image\4.jpg
     文件        1906  2018-09-12 10:26  number_recognition\number_recognition\image\5.jpg
     文件        1790  2018-09-12 10:26  number_recognition\number_recognition\image\6.jpg
     文件        1388  2018-09-12 10:26  number_recognition\number_recognition\image\7.jpg
     文件        1745  2018-09-12 10:26  number_recognition\number_recognition\image\8.jpg
     文件        1851  2018-09-12 10:26  number_recognition\number_recognition\image\9.jpg
     文件        3919  2018-09-12 15:20  number_recognition\number_recognition\main.cpp
     文件        5624  2018-09-10 19:14  number_recognition\number_recognition\number.jpg
     文件       13038  2018-09-11 10:54  number_recognition\number_recognition\number2.jpg
     文件        8100  2018-09-12 10:29  number_recognition\number_recognition\number3.jpg
     文件        5955  2018-09-10 19:45  number_recognition\number_recognition\number_recognition.vcxproj
     文件         949  2018-09-10 19:45  number_recognition\number_recognition\number_recognition.vcxproj.filters
     文件         165  2018-09-10 19:28  number_recognition\number_recognition\number_recognition.vcxproj.user
     文件       16541  2018-09-12 10:18  number_recognition\number_recognition\template.jpg
     目录           0  2018-09-10 19:45  number_recognition\number_recognition\x64\
............此处省略19个文件信息