OpenCV简单标准数字识别的完整实例

tgbrjbh

在学习openCV时，看到一个问答做数字识别，里面配有代码，应用到了openCV里面的ml包，很有学习代价。
https://stackoverflow.com/questions/9413216/simple-digit-recognition-ocr-in-opencv-python#

1. import sysimport numpy as npimport cv2 im = cv2.imread('t.png')im3 = im.copy() gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)   #先转换为灰度图才能够使用图像阈值化 thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2)  #自适应阈值化 ##################      Now finding Contours         #################### image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)#边缘查找，找到数字框，但存在误判 samples =  np.empty((0,900))    #将每一个识别到的数字所有像素点作为特征，储存到一个30*30的矩阵内responses = []                  #labelkeys = [i for i in range(48,58)]    #48-58为ASCII码count =0for cnt in contours:    if cv2.contourArea(cnt)>80:     #使用边缘面积过滤较小边缘框        [x,y,w,h] = cv2.boundingRect(cnt)           if  h>25 and h < 30:        #使用高过滤小框和大框            count+=1            cv2.rectangle(im,(x,y),(x+w,y+h),(0,0,255),2)            roi = thresh[y:y+h,x:x+w]            roismall = cv2.resize(roi,(30,30))            cv2.imshow('norm',im)            key = cv2.waitKey(0)            if key == 27:  # (escape to quit)                sys.exit()            elif key in keys:                responses.append(int(chr(key)))                sample = roismall.reshape((1,900))                samples = np.append(samples,sample,0)            if count == 100:        #过滤一下过多边缘框，后期可能会尝试极大抑制                breakresponses = np.array(responses,np.float32)responses = responses.reshape((responses.size,1))print ("training complete") np.savetxt('generalsamples.data',samples)np.savetxt('generalresponses.data',responses)#cv2.waitKey()cv2.destroyAllWindows()

复制代码

训练数据为：

测试数据为：

使用openCV自带的ML包，KNearest算法

1. import sysimport cv2import numpy as np #######   training part    ############### samples = np.loadtxt('generalsamples.data',np.float32)responses = np.loadtxt('generalresponses.data',np.float32)responses = responses.reshape((responses.size,1)) model = cv2.ml.KNearest_create()model.train(samples,cv2.ml.ROW_SAMPLE,responses)  def getNum(path):    im = cv2.imread(path)    out = np.zeros(im.shape,np.uint8)    gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)        #预处置惩罚一下    for i in range(gray.__len__()):        for j in range(gray[0].__len__()):            if gray[i][j] == 0:                gray[i][j] == 255            else:                gray[i][j] == 0    thresh = cv2.adaptiveThreshold(gray,255,1,1,11,2)         image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)    count = 0     numbers = []    for cnt in contours:        if cv2.contourArea(cnt)>80:            [x,y,w,h] = cv2.boundingRect(cnt)            if  h>25:                cv2.rectangle(im,(x,y),(x+w,y+h),(0,255,0),2)                roi = thresh[y:y+h,x:x+w]                roismall = cv2.resize(roi,(30,30))                roismall = roismall.reshape((1,900))                roismall = np.float32(roismall)                retval, results, neigh_resp, dists = model.findNearest(roismall, k = 1)                string = str(int((results[0][0])))                numbers.append(int((results[0][0])))                cv2.putText(out,string,(x,y+h),0,1,(0,255,0))                count += 1        if count == 10:            break    return numbers numbers = getNum('1.png')

复制代码

总结
到此这篇关于OpenCV简单标准数字识别的文章就介绍到这了,更多相关OpenCV标准数字识别内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望各人以后多多支持脚本之家！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！