使用Opencv进行字符提取

一.使用Opencv进行轮廓检测！

所需函数：

1. cvFindContours

函数功能：从二值图像中检索轮廓，并返回检测到的轮廓的个数

函数原型：

    
    
int) cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,
int header_size = sizeof(CvContour),
int mode = CV_RETR_LIST,
int method = CV_CHAIN_APPROX_SIMPLE,
CvPoint offset = cvPoint( 0, 0));
    
    

参数介绍：

CvArr* image：要检测轮廓的图像，必须为二值图
    
    

CvMemStorage* storage：存储轮廓的容器
    
    

 CvSeq** first_contour：输出参数，用于存储指向第一个外接轮廓。是一个链表,h_next用于指向下一个外接轮廓
    
    

    
    
int header_size：header序列的尺寸.如果选择method = CV_CHAIN_CODE, 则header_size >= sizeof(CvChain)；其他，则
header_size >= sizeof(CvContour)。
    
    

    
    
int mode：
CV_RETR_EXTERNAL：只检索最外面的轮廓；
CV_RETR_LIST：检索所有的轮廓，并将其放入 list中；
CV_RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；
CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。
    
    

    
    
int method
边缘近似方法（除了CV_RETR_RUNS使用内置的近似，其他模式均使用此设定的近似算法）。可取值如下：
CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CV_CHAIN_APPROX_NONE：将所有的连码点，转换成点。
CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用the flavors of Teh-Chin chain近似算法
的一种。
CV_LINK_RUNS：通过连接水平段的 1，使用完全不同的边缘提取算法。使用CV_RETR_LIST检索模式能使用此方法。
    
    

CvPoint offset
     
     

偏移量，用于移动所有轮廓点。当轮廓是从图像的ROI提取的，并且需要在整个图像中分析时，这个参数将很有用。
    
    

返回值：检测到的轮廓数量

2.cvThreshold

函数功能：对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。

函数原型：

    
    
void cvThreshold
( const CvArr* src,
CvArr* dst,
double threshold,
double max_value,
int threshold_type );
    
    

参数介绍：

扫描二维码关注公众号，回复： 11253869 查看本文章

    
    
src：原始数组 (单通道 , 8-bit of 32-bit 浮点数)。
dst：输出数组，必须与 src 的类型一致，或者为 8-bit。
threshold：阈值
max_value：使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。
threshold_type：阈值类型
threshold_type=CV_THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst（x,y）= 0;
threshold_type=CV_THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.
threshold_type=CV_THRESH_TRUNC:如果 src(x,y)>threshold，dst(x,y) = max_value; 否则dst(x,y) = src(x,y).
threshold_type=CV_THRESH_TOZERO:如果src(x,y)>threshold，dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0。
threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold，dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
    
    

3. cvCreateMemStorage

函数功能：用来创建一个内存存储器，来统一管理各种动态对象的内存。

函数原型：

CvMemStorage*  cvCreateMemStorage( int block_size = 0);
    
    

参数介绍：

int block_size = 0：对应内存器中每个内存块的大小，为0时内存块默认大小为64k。
    
    

返回值：返回一个新创建的内存存储器指针。

4. cvBoundingRect

函数功能：计算点集的最外面（up-right）矩形边界。

函数原型：

CvRect  cvBoundingRect( CvArr* points, int update = 0);
    
    

参数介绍：

CvArr* points：二级点矩阵
    
    

    
    
int update：
更新标识。
下面是轮廓类型和标识的一些可能组合:
update= 0, contour ~ CvContour*: 不计算矩形边界，但直接由轮廓头的 rect 域得到。
update= 1, contour ~ CvContour*: 计算矩形边界，而且将结果写入到轮廓头的 rect 域中 header。
update= 0, contour ~ CvSeq* or CvMat*: 计算并返回边界矩形。
update= 1, contour ~ CvSeq* or CvMat*: 产生运行错误 （runtime error is raised）。
函数 cvBoundingRect 返回二维点集的最外面 （up-right）矩形边界。 [ 1]
    
    

所需结构体：

1. CvMemStorage

结构体介绍：

    
    
typedef struct CvMemStorage

{

int signature;

CvMemBlock* bottom; /**< 第一分配块。 */

CvMemBlock* top; /**< 当前内存块——堆栈的顶部。 */

struct CvMemStorage* parent; /**< 根据需要从父块获取新的块。 */

int block_size; /**< 块的大小。 */

int free_space; /**< 当前块中的剩余空闲空间。 */

}CvMemStorage;
    
    

2. CvSeq

    
    
typedef struct CvSeq
{
CV_SEQUENCE_FIELDS()
} CvSeq;

#define CV_SEQUENCE_FIELDS()
int flags; /* micsellaneous flags */
int header_size; /* 序列头的大小 */
struct CvSeq* h_prev; /* 前一个序列 */
struct CvSeq* h_next; /* 后一个序列 */
struct CvSeq* v_prev; /* 第二级前一个序列 */
struct CvSeq* v_next; /* 第二级后一个序列 */
int total; /* 元素的总个数 */
int elem_size; /* 元素的尺寸 */
char* block_max; /* 上一块的最大块 */
char* ptr; /* 当前写指针 */
int delta_elems; /*序列中快的大小
(序列粒度) */
CvMemStorage* storage; /*序列的存储位置 */
CvSeqBlock* free_blocks; /* 未分配的块序列 */
CvSeqBlock* first; /* 指向第一个快序列 */
    
    

相关理论知识：在图像处理中阈值是什么意思？

二. 开始编写代码

编写代码前需要准备一张实验图像！

可自行保存到本地，png格式！

1. 加载测试图像

    
    
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
    
    

2.图像二值化

    
    
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
    
    

3. 在二值化图像中寻找轮廓

    
    
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    
    

4. 获取轮廓在图像中的矩阵坐标

    
    
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB( 255, 0, 0));
pConInner = pConInner->h_next;
}
    
    

5. 显示图像

    
    
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
    
    

运行结果：

二值化图像是很利用我们做轮廓检测的，因为二值化的图像中不会有其他掺杂颜色在里面影响轮廓检测准确！

完整代码：

    
    
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB( 255, 0, 0));
pConInner = pConInner->h_next;
}
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
    
    

三. 字符提取

已经将字符轮廓用矩形给标出来了，那么接下来字符提取就较为简单了！

我们可以复用上面的代码，在绘制轮廓前加入：

IplImage* imgNo[9] = { NULL };
    
    

用于存储分割出来的图像

在使用cvCopy函数对其进行裁剪即可！

    
    
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪，将裁剪的字符图像放入到imgNo数组中去
pConInner = pConInner->h_next;
}
    
    

最后在将其显示出来

     
     
char a[ 9];
for ( int i = 0; i < 9; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
     
     

运行结果：

完整代码：

    
    
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
IplImage* imgNo[ 9] = { NULL };
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
char a[ 9];
for ( int i = 0; i < 9; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
    
    

四. 文字识别

在文字识别，你可以使用其他方法，本博客中使用最简单的直方图匹配，后续的车牌识别中，我会写一篇通过Opencv训练分练器，通过样本文件来识别提高识别率！

相关链接： 使用Opencv绘制灰度直方图/对比

注意前提，你要有模板图像，这里我把样本图像分享给各位！

由于模板图像较多，我上传到csdn上，供需要的人下载正规字符模板，下载需要两积分，如果不想下载可以使用下列图像，然后复用上面的代码裁剪出字符然后使用cvSeveImage函数保存到本地即可！

然后使用下列代码：

    
    
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
IplImage* imgNo[ 53] = { NULL };
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
//显示图像文件
char a[ 53];
for ( int i = 0; i < 53; ++i){
sprintf(a, "d:\\img\\%d.jpg", i);
cvSaveImage(a, imgNo[i]);
}
cvWaitKey( 0);
    
    

运行之后你的D盘下就会出现一个img文件里面包含了所有的正规字符模板图！

开始编写识别代码

这里我们不复用上面的代码，重新编写一份，因为模板匹配算法有些地方有问题，所以这里重写一遍给大家注明一下！

注意上面的模型建议用在其他识别算法上，不建议用在模板图片上，matchTemplate模板匹配函数要求尺寸一致，这里为了方便就不编写尺寸变换的代码了，只是做一个示例，所以我就直接用这张图的字符样本做模板了，

拿出来分享给各位：

      

有需要可自行保存到本地，jpg格式！

下面开始编写代码：

1. 定义一个结构体用于关联图像与字符

    
    
typedef struct p_image{
char c_name;
CvHistogram *img_zft;
}p_image;
    
    

2. 打开测试图像

    
    
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
    
    

3. 图像二值化

    
    
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
    
    

4. 寻找轮廓

    
    
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    
    

5. 申请变量用于字符提取

IplImage* imgNo[9] = { NULL };
    
    

6. 申请变量用于转化字符提取的直方图

IplImage *i1[9] = { NULL };
    
    

7. 字符裁剪

    
    
//字符提取
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
    
    

8. 重新保存与读取

为什么要加这段重复代码？

原因：经过我测试，Opencv里面的数据是没有经过压缩的，所以当你打开模板图时模板图格式为jpg，经过jpeg算法压缩，当你使用直方图比对时比对会有差异，注意加这段代码仅针对直方图的情况来做修改的！

其他匹配方法无需增加这段代码！

吐槽一下：直方图匹配真的是太烂了，直方图只能用于计算！

//jpg格式压缩！！

    
    
//保存与读取
char name[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(name, "d:\\img\\%d.jpg", i);
cvSaveImage(name, imgNo[i]);
}
char b[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(b, "d:\\img\\%d.jpg", i);
imgNo[i] = cvLoadImage(b);
}
    
    

9. 灰度图转换

    
    
//灰度转换
for ( int i = 0; i < 9; ++i){
i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);
cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
    
    

10. 计算原图的直方图

    
    
//计算原图的直方图
int arr_size = 255; //定义一个变量用于表示直方图行宽
float hranges_arr[] = { 0, 255 }; //图像方块范围数组
float *phranges_arr = hranges_arr; //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参
//创建直方图
CvHistogram *hist[ 9];
for ( int i = 0; i < 9; ++i){
hist[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&i1[i], hist[i], 0, 0);
}
    
    

11. 加载模板图

    
    
IplImage* abcd_img[ 9] = { NULL };
char img_name[ 256] = { 0 };
for ( int i = 0; i < 9; ++i){
sprintf(img_name, "d:\\img\\%d.jpg", i);
abcd_img[i] = cvLoadImage(img_name);
}
    
    

12. 转换成灰度图

    
    
//转换灰度图
IplImage* abcd_img_hdt[ 9] = { NULL };
for ( int i = 0; i < 9; ++i){
abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);
cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
    
    

13. 计算模板图的直方图

    
    
//创建直方图
CvHistogram *hist_abcd[ 9];
for ( int i = 0; i < 9; ++i){
hist_abcd[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算模板图的直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);
}
    
    

14. 申请结构体，方便数据化管理

    
    
//申请结构体
p_image *p[ 9] = { NULL };
for ( int i = 0; i <= num; ++i){
p[i] = (p_image *) malloc( sizeof(p_image));
}
    
    

15. 字符关联

    
    
//字符关联
char abcd[ 9] = { 'H', 'E', 'L', 'L', 'O', 'W', 'O', 'R', 'D' };
for ( int i = 0; i <= num; ++i){
p[i]->c_name = abcd[i];
}
    
    

16. 结构体与模板直方图管理，形成结构化

    
    
//直方图关联
for ( int i = 0; i < num; ++i){
p[i]->img_zft = hist_abcd[i];
}
    
    

17. 匹配图像

    
    
//匹配图像
char j_c[ 9]; //用于存储匹配到的字符
for ( int i = 0; i < num; ++i){
for ( int j = 0; j < num; ++j){
double Compare = cvCompareHist(hist[i], p[j]->img_zft, 0); //使用CV_COMP_CORREL方法进行对比
if (Compare == 1.){ //100%正确 这里我们精准度调整高一点，因为直方图比对真的是太差劲了，相似度很高
    
    

			j_c[i] = p[j]->c_name;
    
    

}}}

18. 打印匹配结果

    
    
printf( "检测到%d个字母，分别是", num);
for ( int i = 0; i < num; ++i){
printf( "%c", j_c[i]);
if (i != 8){
printf( ",");
}
}
for ( int i = 0; i < num; ++i){
p[i]->c_name = abcd[i];

}
    
    

19. 显示图像

    
    
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
char a[ 9];
for ( int i = 0; i < num; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
    
    

运行结果：

完整代码：

    
    
typedef struct p_image{
char c_name;
CvHistogram *img_zft;
}p_image;
int main()
{
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
IplImage* imgNo[ 9] = { NULL };
IplImage *i1[ 9] = { NULL };
//字符提取
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
//保存与读取
char name[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(name, "d:\\img\\%d.jpg", i);
cvSaveImage(name, imgNo[i]);
}
char b[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(b, "d:\\img\\%d.jpg", i);
imgNo[i] = cvLoadImage(b);
}
//灰度转换
for ( int i = 0; i < 9; ++i){
i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);
cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
//计算原图的直方图
int arr_size = 255; //定义一个变量用于表示直方图行宽
float hranges_arr[] = { 0, 255 }; //图像方块范围数组
float *phranges_arr = hranges_arr; //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参
//创建直方图
CvHistogram *hist[ 9];
for ( int i = 0; i < 9; ++i){
hist[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&i1[i], hist[i], 0, 0);
}
//字符与图像关联
//加载图像
IplImage* abcd_img[ 9] = { NULL };
char img_name[ 256] = { 0 };
for ( int i = 0; i < 9; ++i){
sprintf(img_name, "d:\\img\\%d.jpg", i);
abcd_img[i] = cvLoadImage(img_name);
}
//转换灰度图
IplImage* abcd_img_hdt[ 9] = { NULL };
for ( int i = 0; i < 9; ++i){
abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);
cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
//创建直方图
CvHistogram *hist_abcd[ 9];
for ( int i = 0; i < 9; ++i){
hist_abcd[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算模板图的直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);
}
//关联图像
p_image *p[ 9] = { NULL };
for ( int i = 0; i <= num; ++i){
p[i] = (p_image *) malloc( sizeof(p_image));
}
//字符关联
char abcd[ 9] = { 'H', 'E', 'L', 'L', 'O', 'W', 'O', 'R', 'D' };
for ( int i = 0; i <= num; ++i){
p[i]->c_name = abcd[i];
}
//直方图关联
for ( int i = 0; i < num; ++i){
p[i]->img_zft = hist_abcd[i];
}
//匹配图像
//用于结果
char j_c[ 9];
for ( int i = 0; i < num; ++i){
for ( int j = 0; j < num; ++j){
double Compare = cvCompareHist(hist[i], p[j]->img_zft, 0); //使用CV_COMP_CORREL方法进行对比
if (Compare == 1.){ //100%正确 这里我们精准度调整高一点，因为直方图比对真的是太差劲了，相似度很高
j_c[i] = p[j]->c_name;

}
}
}
printf( "检测到%d个字母，分别是", num);
for ( int i = 0; i < num; ++i){
printf( "%c", j_c[i]);
if (i != 8){
printf( ",");
}
}
for ( int i = 0; i < num; ++i){
p[i]->c_name = abcd[i];

}
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
char a[ 9];
for ( int i = 0; i < num; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
return 0;
}
    
    

一.使用Opencv进行轮廓检测！

所需函数：

1. cvFindContours

函数功能：从二值图像中检索轮廓，并返回检测到的轮廓的个数

函数原型：

  
  
int) cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,
int header_size = sizeof(CvContour),
int mode = CV_RETR_LIST,
int method = CV_CHAIN_APPROX_SIMPLE,
CvPoint offset = cvPoint( 0, 0));
  
  

参数介绍：

CvArr* image：要检测轮廓的图像，必须为二值图
  
  

CvMemStorage* storage：存储轮廓的容器
  
  

 CvSeq** first_contour：输出参数，用于存储指向第一个外接轮廓。是一个链表,h_next用于指向下一个外接轮廓
  
  

  
  
int header_size：header序列的尺寸.如果选择method = CV_CHAIN_CODE, 则header_size >= sizeof(CvChain)；其他，则
header_size >= sizeof(CvContour)。
  
  

  
  
int mode：
CV_RETR_EXTERNAL：只检索最外面的轮廓；
CV_RETR_LIST：检索所有的轮廓，并将其放入 list中；
CV_RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；
CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。
  
  

  
  
int method
边缘近似方法（除了CV_RETR_RUNS使用内置的近似，其他模式均使用此设定的近似算法）。可取值如下：
CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CV_CHAIN_APPROX_NONE：将所有的连码点，转换成点。
CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用the flavors of Teh-Chin chain近似算法
的一种。
CV_LINK_RUNS：通过连接水平段的 1，使用完全不同的边缘提取算法。使用CV_RETR_LIST检索模式能使用此方法。
  
  

CvPoint offset
   
   

偏移量，用于移动所有轮廓点。当轮廓是从图像的ROI提取的，并且需要在整个图像中分析时，这个参数将很有用。
  
  

返回值：检测到的轮廓数量

2.cvThreshold

函数功能：对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。

函数原型：

  
  
void cvThreshold
( const CvArr* src,
CvArr* dst,
double threshold,
double max_value,
int threshold_type );
  
  

参数介绍：

  
  
src：原始数组 (单通道 , 8-bit of 32-bit 浮点数)。
dst：输出数组，必须与 src 的类型一致，或者为 8-bit。
threshold：阈值
max_value：使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。
threshold_type：阈值类型
threshold_type=CV_THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst（x,y）= 0;
threshold_type=CV_THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.
threshold_type=CV_THRESH_TRUNC:如果 src(x,y)>threshold，dst(x,y) = max_value; 否则dst(x,y) = src(x,y).
threshold_type=CV_THRESH_TOZERO:如果src(x,y)>threshold，dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0。
threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold，dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
  
  

3. cvCreateMemStorage

函数功能：用来创建一个内存存储器，来统一管理各种动态对象的内存。

函数原型：

CvMemStorage*  cvCreateMemStorage( int block_size = 0);
  
  

参数介绍：

int block_size = 0：对应内存器中每个内存块的大小，为0时内存块默认大小为64k。
  
  

返回值：返回一个新创建的内存存储器指针。

4. cvBoundingRect

函数功能：计算点集的最外面（up-right）矩形边界。

函数原型：

CvRect  cvBoundingRect( CvArr* points, int update = 0);
  
  

参数介绍：

CvArr* points：二级点矩阵
  
  

  
  
int update：
更新标识。
下面是轮廓类型和标识的一些可能组合:
update= 0, contour ~ CvContour*: 不计算矩形边界，但直接由轮廓头的 rect 域得到。
update= 1, contour ~ CvContour*: 计算矩形边界，而且将结果写入到轮廓头的 rect 域中 header。
update= 0, contour ~ CvSeq* or CvMat*: 计算并返回边界矩形。
update= 1, contour ~ CvSeq* or CvMat*: 产生运行错误 （runtime error is raised）。
函数 cvBoundingRect 返回二维点集的最外面 （up-right）矩形边界。 [ 1]
  
  

所需结构体：

1. CvMemStorage

结构体介绍：

  
  
typedef struct CvMemStorage

{

int signature;

CvMemBlock* bottom; /**< 第一分配块。 */

CvMemBlock* top; /**< 当前内存块——堆栈的顶部。 */

struct CvMemStorage* parent; /**< 根据需要从父块获取新的块。 */

int block_size; /**< 块的大小。 */

int free_space; /**< 当前块中的剩余空闲空间。 */

}CvMemStorage;
  
  

2. CvSeq

  
  
typedef struct CvSeq
{
CV_SEQUENCE_FIELDS()
} CvSeq;

#define CV_SEQUENCE_FIELDS()
int flags; /* micsellaneous flags */
int header_size; /* 序列头的大小 */
struct CvSeq* h_prev; /* 前一个序列 */
struct CvSeq* h_next; /* 后一个序列 */
struct CvSeq* v_prev; /* 第二级前一个序列 */
struct CvSeq* v_next; /* 第二级后一个序列 */
int total; /* 元素的总个数 */
int elem_size; /* 元素的尺寸 */
char* block_max; /* 上一块的最大块 */
char* ptr; /* 当前写指针 */
int delta_elems; /*序列中快的大小
(序列粒度) */
CvMemStorage* storage; /*序列的存储位置 */
CvSeqBlock* free_blocks; /* 未分配的块序列 */
CvSeqBlock* first; /* 指向第一个快序列 */
  
  

相关理论知识：在图像处理中阈值是什么意思？

二. 开始编写代码

编写代码前需要准备一张实验图像！

可自行保存到本地，png格式！

1. 加载测试图像

  
  
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
  
  

2.图像二值化

  
  
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
  
  

3. 在二值化图像中寻找轮廓

  
  
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
  
  

4. 获取轮廓在图像中的矩阵坐标

  
  
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB( 255, 0, 0));
pConInner = pConInner->h_next;
}
  
  

5. 显示图像

  
  
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
  
  

运行结果：

二值化图像是很利用我们做轮廓检测的，因为二值化的图像中不会有其他掺杂颜色在里面影响轮廓检测准确！

完整代码：

  
  
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB( 255, 0, 0));
pConInner = pConInner->h_next;
}
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
  
  

三. 字符提取

已经将字符轮廓用矩形给标出来了，那么接下来字符提取就较为简单了！

我们可以复用上面的代码，在绘制轮廓前加入：

IplImage* imgNo[9] = { NULL };
  
  

用于存储分割出来的图像

在使用cvCopy函数对其进行裁剪即可！

  
  
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪，将裁剪的字符图像放入到imgNo数组中去
pConInner = pConInner->h_next;
}
  
  

最后在将其显示出来

   
   
char a[ 9];
for ( int i = 0; i < 9; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
   
   

运行结果：

完整代码：

  
  
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
IplImage* imgNo[ 9] = { NULL };
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
char a[ 9];
for ( int i = 0; i < 9; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
  
  

四. 文字识别

在文字识别，你可以使用其他方法，本博客中使用最简单的直方图匹配，后续的车牌识别中，我会写一篇通过Opencv训练分练器，通过样本文件来识别提高识别率！

相关链接： 使用Opencv绘制灰度直方图/对比

注意前提，你要有模板图像，这里我把样本图像分享给各位！

由于模板图像较多，我上传到csdn上，供需要的人下载正规字符模板，下载需要两积分，如果不想下载可以使用下列图像，然后复用上面的代码裁剪出字符然后使用cvSeveImage函数保存到本地即可！

然后使用下列代码：

  
  
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
IplImage* imgNo[ 53] = { NULL };
//根据轮廓坐标使用方框标出来
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
//显示图像文件
char a[ 53];
for ( int i = 0; i < 53; ++i){
sprintf(a, "d:\\img\\%d.jpg", i);
cvSaveImage(a, imgNo[i]);
}
cvWaitKey( 0);
  
  

运行之后你的D盘下就会出现一个img文件里面包含了所有的正规字符模板图！

开始编写识别代码

这里我们不复用上面的代码，重新编写一份，因为模板匹配算法有些地方有问题，所以这里重写一遍给大家注明一下！

注意上面的模型建议用在其他识别算法上，不建议用在模板图片上，matchTemplate模板匹配函数要求尺寸一致，这里为了方便就不编写尺寸变换的代码了，只是做一个示例，所以我就直接用这张图的字符样本做模板了，

拿出来分享给各位：

      

有需要可自行保存到本地，jpg格式！

下面开始编写代码：

1. 定义一个结构体用于关联图像与字符

  
  
typedef struct p_image{
char c_name;
CvHistogram *img_zft;
}p_image;
  
  

2. 打开测试图像

  
  
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
  
  

3. 图像二值化

  
  
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
  
  

4. 寻找轮廓

  
  
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
  
  

5. 申请变量用于字符提取

IplImage* imgNo[9] = { NULL };
  
  

6. 申请变量用于转化字符提取的直方图

IplImage *i1[9] = { NULL };
  
  

7. 字符裁剪

  
  
//字符提取
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
  
  

8. 重新保存与读取

为什么要加这段重复代码？

原因：经过我测试，Opencv里面的数据是没有经过压缩的，所以当你打开模板图时模板图格式为jpg，经过jpeg算法压缩，当你使用直方图比对时比对会有差异，注意加这段代码仅针对直方图的情况来做修改的！

其他匹配方法无需增加这段代码！

吐槽一下：直方图匹配真的是太烂了，直方图只能用于计算！

//jpg格式压缩！！

  
  
//保存与读取
char name[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(name, "d:\\img\\%d.jpg", i);
cvSaveImage(name, imgNo[i]);
}
char b[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(b, "d:\\img\\%d.jpg", i);
imgNo[i] = cvLoadImage(b);
}
  
  

9. 灰度图转换

  
  
//灰度转换
for ( int i = 0; i < 9; ++i){
i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);
cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
  
  

10. 计算原图的直方图

  
  
//计算原图的直方图
int arr_size = 255; //定义一个变量用于表示直方图行宽
float hranges_arr[] = { 0, 255 }; //图像方块范围数组
float *phranges_arr = hranges_arr; //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参
//创建直方图
CvHistogram *hist[ 9];
for ( int i = 0; i < 9; ++i){
hist[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&i1[i], hist[i], 0, 0);
}
  
  

11. 加载模板图

  
  
IplImage* abcd_img[ 9] = { NULL };
char img_name[ 256] = { 0 };
for ( int i = 0; i < 9; ++i){
sprintf(img_name, "d:\\img\\%d.jpg", i);
abcd_img[i] = cvLoadImage(img_name);
}
  
  

12. 转换成灰度图

  
  
//转换灰度图
IplImage* abcd_img_hdt[ 9] = { NULL };
for ( int i = 0; i < 9; ++i){
abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);
cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
  
  

13. 计算模板图的直方图

  
  
//创建直方图
CvHistogram *hist_abcd[ 9];
for ( int i = 0; i < 9; ++i){
hist_abcd[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算模板图的直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);
}
  
  

14. 申请结构体，方便数据化管理

  
  
//申请结构体
p_image *p[ 9] = { NULL };
for ( int i = 0; i <= num; ++i){
p[i] = (p_image *) malloc( sizeof(p_image));
}
  
  

15. 字符关联

  
  
//字符关联
char abcd[ 9] = { 'H', 'E', 'L', 'L', 'O', 'W', 'O', 'R', 'D' };
for ( int i = 0; i <= num; ++i){
p[i]->c_name = abcd[i];
}
  
  

16. 结构体与模板直方图管理，形成结构化

  
  
//直方图关联
for ( int i = 0; i < num; ++i){
p[i]->img_zft = hist_abcd[i];
}
  
  

17. 匹配图像

  
  
//匹配图像
char j_c[ 9]; //用于存储匹配到的字符
for ( int i = 0; i < num; ++i){
for ( int j = 0; j < num; ++j){
double Compare = cvCompareHist(hist[i], p[j]->img_zft, 0); //使用CV_COMP_CORREL方法进行对比
if (Compare == 1.){ //100%正确 这里我们精准度调整高一点，因为直方图比对真的是太差劲了，相似度很高
  
  

			j_c[i] = p[j]->c_name;
  
  

}}}

18. 打印匹配结果

  
  
printf( "检测到%d个字母，分别是", num);
for ( int i = 0; i < num; ++i){
printf( "%c", j_c[i]);
if (i != 8){
printf( ",");
}
}
for ( int i = 0; i < num; ++i){
p[i]->c_name = abcd[i];

}
  
  

19. 显示图像

  
  
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
char a[ 9];
for ( int i = 0; i < num; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
  
  

运行结果：

完整代码：

  
  
typedef struct p_image{
char c_name;
CvHistogram *img_zft;
}p_image;
int main()
{
//打开要识别字符的图像
IplImage *image = cvLoadImage( "d:\\1.png");
if (image == NULL){
printf( "错误：无法打开该图像文件！");
}
//转换到灰度图
IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
cvCvtColor(image, img_gray, CV_BGR2GRAY);
//二值化
IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
CvMemStorage *pStorage = cvCreateMemStorage( 0);
CvSeq *pConInner = NULL;
int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
IplImage* imgNo[ 9] = { NULL };
IplImage *i1[ 9] = { NULL };
//字符提取
for ( int i = 0; i < num; i++)
{

CvRect rc = cvBoundingRect(pConInner);
//cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0)); //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height)); //设置源图像ROI
cvCopy(image, imgNo[i]); //裁剪
pConInner = pConInner->h_next;
}
//保存与读取
char name[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(name, "d:\\img\\%d.jpg", i);
cvSaveImage(name, imgNo[i]);
}
char b[ 256];
for ( int i = 0; i < 9; ++i){
sprintf(b, "d:\\img\\%d.jpg", i);
imgNo[i] = cvLoadImage(b);
}
//灰度转换
for ( int i = 0; i < 9; ++i){
i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);
cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
//计算原图的直方图
int arr_size = 255; //定义一个变量用于表示直方图行宽
float hranges_arr[] = { 0, 255 }; //图像方块范围数组
float *phranges_arr = hranges_arr; //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参
//创建直方图
CvHistogram *hist[ 9];
for ( int i = 0; i < 9; ++i){
hist[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&i1[i], hist[i], 0, 0);
}
//字符与图像关联
//加载图像
IplImage* abcd_img[ 9] = { NULL };
char img_name[ 256] = { 0 };
for ( int i = 0; i < 9; ++i){
sprintf(img_name, "d:\\img\\%d.jpg", i);
abcd_img[i] = cvLoadImage(img_name);
}
//转换灰度图
IplImage* abcd_img_hdt[ 9] = { NULL };
for ( int i = 0; i < 9; ++i){
abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);
cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY); //CV_BGR2GRAY
}
//创建直方图
CvHistogram *hist_abcd[ 9];
for ( int i = 0; i < 9; ++i){
hist_abcd[i] = cvCreateHist( 1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1); //创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化
}
//计算模板图的直方图
for ( int i = 0; i < 9; ++i){
cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);
}
//关联图像
p_image *p[ 9] = { NULL };
for ( int i = 0; i <= num; ++i){
p[i] = (p_image *) malloc( sizeof(p_image));
}
//字符关联
char abcd[ 9] = { 'H', 'E', 'L', 'L', 'O', 'W', 'O', 'R', 'D' };
for ( int i = 0; i <= num; ++i){
p[i]->c_name = abcd[i];
}
//直方图关联
for ( int i = 0; i < num; ++i){
p[i]->img_zft = hist_abcd[i];
}
//匹配图像
//用于结果
char j_c[ 9];
for ( int i = 0; i < num; ++i){
for ( int j = 0; j < num; ++j){
double Compare = cvCompareHist(hist[i], p[j]->img_zft, 0); //使用CV_COMP_CORREL方法进行对比
if (Compare == 1.){ //100%正确 这里我们精准度调整高一点，因为直方图比对真的是太差劲了，相似度很高
j_c[i] = p[j]->c_name;

}
}
}
printf( "检测到%d个字母，分别是", num);
for ( int i = 0; i < num; ++i){
printf( "%c", j_c[i]);
if (i != 8){
printf( ",");
}
}
for ( int i = 0; i < num; ++i){
p[i]->c_name = abcd[i];

}
//显示图像
cvNamedWindow( "image", 0);
cvNamedWindow( "image_gray", 0);
cvNamedWindow( "img_value", 0);
char a[ 9];
for ( int i = 0; i < num; ++i){
sprintf(a, "%d", i);
cvShowImage(a, imgNo[i]);
}
cvShowImage( "image", image);
cvShowImage( "image_gray", img_gray);
cvShowImage( "img_value", img_value);
cvWaitKey( 0);
return 0;
}