Image processing OpenCV检测数字

我在iPhone上使用OpenCV，需要检测图像中的数字。我将图像分割成更小的图像，这样每个图像只有一个数字（1-9）。所有数字都是印刷的，不是手写的

使用OpenCV计算数字的最佳方法是什么

更新：

我已经成功地找到了数字并提取了它们。它们看起来像这样：

提取时，它们的大小相同，以此类推。我保存了一堆图像，并将它们放在OCR目录中，在那里它们被分类为数字。比如：ocr/1/100.jpg 101.jpg。。。。和ocr/2/200.jpg 201.jpg

然后我将使用与基本OCR教程中相同的方法：

不过，我正在为iPhone编程，不能使用C++代码（编译错误等），我没有访问HigGUI。

我尝试使用cvMatchTemplate（）匹配一组图像，但效果似乎很差

<我能试试其他的想法吗？< /P> < P>目标C++？

---

尝试将.m文件重命名为.mm，然后可以在您的iPhone项目中使用C++。 基本上，您的问题只是对特征向量进行分类，这是经过一些预处理步骤后的一组像素强度。您可以使用任何分类器来完成这项任务，比如神经网络，它应该在OpenCV中有一个C实现。您还可以尝试使用支持向量机的C libsvm库

---

与此相关的问题有很多论文和一个训练数据库。

也许最简单和方便的方法是使用支持向量机作为最大似然算法

---

以灰度图像作为特征向量

如果打印出数字，那么工作就相当简单，您只需找出一组匹配的功能即可。如果数字是一种字体，您可以使用这种方法：

• 提取数字
• 找到边界框
• 将图像缩小到10x8左右，尝试匹配纵横比
• 对一个小的训练集这样做，为每个数字取“平均”图像

• 对于新图像，请按照上面的步骤操作，但最后一步只是每个数字模板的绝对图像差异。然后取差值之和（差值图像中的像素）。最小的是你的号码

---

以上都是基本的OpenCV操作。

这是一个不错的示例，它是iPhone上的一个演示。希望它对您有用。

您可以从阅读主成分分析（PCA）、Fisher线性判别分析（LDA）和支持向量机（SVM）开始。这些是对OCR非常有用的分类方法，并且有任何语言的库，包括C++、Python、C*等。 事实证明，OpenCV已经在和上包含了优秀的实现。我还没有看到任何用于OCR的OpenCV代码示例，但您可以使用一些修改版本的人脸分类来执行字符分类。OpenCV人脸识别代码的优秀资源是。

---

这可能对你有所帮助。将代码从Python转换为C++不是一项艰巨的任务，因为OpenCV API的二者都是相同的。

TestSerACT也是一个不错的免费OCR引擎，它可以很方便地用于iPhone，并允许您使用自己的训练图像集：

---

HOG+SVM（尝试使用内核）

卷积神经网络是迄今为止手写数字的最佳算法。大多数系统（如USPS等）都实现了这些算法。这里很少有文章解释这些算法。

---

我同意Alex的观点，使用PCA和SVM的一些组合，这两种方法都包含在OpenCVS中，谢谢。不过我以前读过。他在手写数字上做OCR。火车图像是否也适用于打印文本？效果会好得多。使用常规的形状压缩总是比较容易，但是我必须找到打印数字的火车图像，而不是手写数字，对吗？是的-只要用正确的字体、大小等生成一组数字图像就可以了