c＋＋OpenCV数字识别

### C++ OpenCV 数字识别 示例代码与教程 数字识别是计算机视觉领域的重要应用之一，结合OpenCV和C++可以实现高效的图像处理与模式识别。以下是基于OpenCV的数字识别完整示例代码及说明。 #### 1. 图像预处理 在进行数字识别之前，需要对输入图像进行预处理以提高识别准确率。常见的预处理步骤包括灰度化、二值化以及噪声去除。 ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 读取图像 cv::Mat img = cv::imread("digits.png"); if (img.empty()) { std::cerr << "Image not loaded!" << std::endl; return -1; } // 转换为灰度图像 cv::Mat gray; cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY); // 应用高斯模糊去噪 cv::GaussianBlur(gray, gray, cv::Size(5, 5), 0); // 二值化处理 cv::threshold(gray, gray, 0, 255, cv::THRESH_BINARY_INV + cv::THRESH_OTSU); return 0; } ``` 通过上述代码，可以将彩色图像转换为适合数字识别的二值化图像[^1]。 #### 2. 轮廓检测 轮廓检测用于提取图像中的独立字符或数字区域。OpenCV提供了`findContours`函数来实现这一功能。 ```cpp std::vector<std::vector<cv::Point>> contours; std::vector<cv::Vec4i> hierarchy; // 查找轮廓 cv::findContours(gray, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); // 绘制轮廓 cv::Mat contourImg = cv::Mat::zeros(gray.size(), CV_8UC3); for (size_t i = 0; i < contours.size(); i++) { cv::Scalar color = cv::Scalar(0, 255, 0); cv::drawContours(contourImg, contours, i, color, 2, cv::LINE_8, hierarchy, 0); } cv::imshow("Contours", contourImg); cv::waitKey(0); ``` 通过轮廓检测，可以定位到图像中的每个数字区域[^2]。 #### 3. 特征提取与分类 为了识别数字，可以使用机器学习模型（如KNN或SVM）进行分类。以下是一个简单的KNN训练与预测示例： ```cpp #include <opencv2/ml.hpp> void trainKNN(cv::Ptr<cv::ml::KNearest>& knn) { // 准备训练数据 cv::Mat trainingData = (cv::Mat_<float>(10, 64) << /* 插入特征向量 */); cv::Mat labels = (cv::Mat_<float>(10, 1) << 0, 1, 2, 3, 4, 5, 6, 7, 8, 9); // 初始化KNN knn = cv::ml::KNearest::create(); knn->train(trainingData, cv::ml::ROW_SAMPLE, labels); } void predictKNN(cv::Ptr<cv::ml::KNearest>& knn, const cv::Mat& sample) { cv::Mat response; knn->findNearest(sample, 1, response); std::cout << "Predicted digit: " << response.at<float>(0) << std::endl; } ``` 通过KNN模型，可以对提取的数字特征进行分类并输出结果[^1]。 #### 4. 使用OCR引擎 如果需要更复杂的识别任务，可以集成Tesseract OCR引擎。以下是一个简单的Tesseract初始化与识别示例： ```cpp #include <tesseract/baseapi.h> void ocrRecognition(const cv::Mat& img) { tesseract::TessBaseAPI ocr; if (ocr.Init(NULL, "eng", tesseract::OEM_LSTM_ONLY)) { std::cerr << "Could not initialize tesseract." << std::endl; return; } ocr.SetImage((uchar*)img.data, img.cols, img.rows, 1, img.step); std::string text = ocr.GetUTF8Text(); std::cout << "OCR Output: " << text << std::endl; ocr.End(); } ``` Tesseract OCR能够高效地识别复杂场景下的数字和字符[^1]。 --- ###