OpenCV实现0到9数字识别OCR

- 高能预警，结尾有福利! -

使用OpenCV对0到9数字进行识别，实现简单OCR功能，基于CA（轮廓）分析实现特征提取，基于L1距离计算匹配实现数字识别。在排除干扰的基础上，识别精度可以达到98%以上。整个算法分为两个部分，第一部分是特征提取，提取的特征实现了尺度不变性与轻微光照与变形干扰排除，第二部分基于特征数据进行匹配实现了相似性比较，最终识别0到9十个数字。
第一部分详解：

算法的第一部分主要是实现以下功能，提取42个特征向量，用其中40个向量做匹配识别，另外两个向量做辅助检查。比如0跟1的横纵比有明显差别。特征提取的主要步骤如下：

1. 图像去噪声与二值化2. 轮廓发现与ROI区域分割3. 水平与垂直投影，提取20个向量，并归一化4. 网格分割5x4，提取20个向量，并归一化5. 宽高比与空白比，总计42个向量提取完成

预处理通过高斯模糊去噪声，然后通过全局阈值实现图像二值化，使用轮廓发现提取ROI矩形区域，对每个区域完成3～5步，实现特征提取，其中水平与垂直投影演示如下：



对ROI区域的水平与垂直投影分别分成10个BIN，考虑到浮点数划分，每个BIN长度不一定是整数，这样就通过权重进行按比例分割像素点。完成每个BIN的前景像素点统计。

同样对数字ROI区域实现5x4的网格分割，每个Cell计算前景像素个数，也会借助权重比例进行分割，最终得到归一化之后的20个特征向量。

这样得到的40个特征向量具有放缩不变性与轻微抗干扰变形能力。
第二部分详解：



运行截图：

训练数据：



输入数据：



识别结果：



观察结论

训练数据和识别数据在字体、大小上均有差异，然而根据提取的特征进行匹配，均可识别，充分证明了本识别算法的尺度不变性与局部抗干扰能力。
执行代码

int main(int argc,char** argv){

    Mat src = imread("D:/vcprojects/images/td1.png");

    if(src.empty()){

        printf("could not load image...\n");

        return-1;

    }

    namedWindow("input image", CV_WINDOW_AUTOSIZE);

    imshow("input image", src);

    // 训练

    train_data();

    // 测试

    test_data();

    waitKey(0);

    return0;

}

福利 - 视频6折甩卖

6月30日20:00 - 7月2日24:00，

本人视频课程全部6折！

购买课程永久免费答疑，错过又要等一年！

扫描下面二维码即可购买视频课程



源码获取:

购买任意一门课程，关注公众号后发送51CTO学院注册ID与个人邮箱至本公众号，24小时内源码演示程序发送到指定邮箱。

---

更多原创文章推荐

OpenCV实现图像连通组件标记与分析

基于OpenCV实现手写体数字训练与识别

OpenCV图像噪声与去噪函数方法对比使用介绍

OpenCV学堂-原创精华文章

---

关注【OpenCV学堂】

长按或者扫码二维码即可关注