opencv 学习之液晶数字识别

最新推荐文章于 2025-07-09 09:49:07 发布

原创

最新推荐文章于 2025-07-09 09:49:07 发布 · 8.9k 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#图片 #opencv #识别

该博客介绍了通过OpenCV进行液晶数字识别的方法，采用纵向和横向扫描算法，实验结果显示良好。作者提到算法未处理小数点，但可以通过Y方向腐蚀检测。同时，建议使用SVM、K近邻或神经网络等更高级的算法。博客提供了基于OpenCV1的C语言实验代码，包括二值化、形态学处理和字符排序。作者指出应学习更新的OpenCV2，以利用其更多功能和C++的便利性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

算法采用纵向及横向扫描方式，对清晰图片进行了实验，效果较好。

算法未检测小数点，感兴趣的同学可以Y方向腐蚀检测小数点，按照X坐标排序即可。

当然，数字及字符识别，SVM、K近邻、神经网络等等这些才是正道，平常用得比较多的算法。

源图如下：

代码如下：

//DATE : 20160729
//CODE FOR LIDAN NUMBER RECG

#include "highgui.h"
#include "cv.h"

using namespace std;
using namespace cv;

void detect(IplImage * img, char * strnum, CvRect rc);

int list[10][2] = {0};	//1列坐标，2列字符数值
int l = 0;	//字符个数

int main()
{
	IplImage * src_img = cvLoadImage("plate1.jpg");
	if(!src_img)
	{
		printf("src_img could not be load\n");
		return -1;
	}

	//cvShowImage("src", src_img);	//src img

	IplImage * gray_img = cvCreateImage(cvGetSize(src_img), src_img->depth, 1);
	cvCvtColor(src_img, gray_img, CV_BGR2GRAY);
	cvShowImage("gray", gray_img);	//gray img

	IplImage * adp_img = cvCreateImage(cvGetSize(src_img), src_img->depth, 1);
    int threshold_type = CV_THRESH_BINARY_INV;  
    int adaptive_method = CV_ADAPTIVE_THRESH_GAUSSIAN_C;  //CV_ADAPTIVE_THRESH_MEAN_C  
    int block_size = 7;  
    double offset = 5; 
    //cvAdaptiveThreshold(gray_img, adp_img, 255, adaptive_method, threshold_type, block_size, offset);
	cvThreshold(gray_img, adp_img, 80, 255.0, CV_THRESH_BINARY); 
	cvShowImage("adp", adp_img);

	IplImage * xtx_img = cvCreateI