数码管数字提取与识别(附源码)
Posted victorywr
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数码管数字提取与识别(附源码)相关的知识,希望对你有一定的参考价值。
第一部分(数字区域提取)
首先,准备一张待提取数字的图片(存放路径与当前工程的主程序一致)
提取原理:颜色空间由RGB转换到HSV空间下,通过对H、S、V分别设置上下限显示出当前图片,直到选取到最佳的数字区域。
上图为数字区域提取效果,记录下当前的H、S、V的上下限。
下面为这一部分的程序源码
#include<opencv2/core.hpp> #include<opencv2/highgui.hpp> #include<opencv2/imgproc.hpp> using namespace cv; #include<iostream> #include<string> using namespace std; //输入图像 Mat img; //灰度值归一化 Mat bgr; //HSV图像 Mat hsv; //色相 int hmin = 0; int hmin_Max = 360; int hmax = 180; int hmax_Max = 360; //饱和度 int smin = 0; int smin_Max = 255; int smax = 255; int smax_Max = 255; //亮度 int vmin = 106; int vmin_Max = 255; int vmax = 255; int vmax_Max = 255; //显示原图的窗口 string windowName = "src"; //输出图像的显示窗口 string dstName = "dst"; //输出图像 Mat dst; //回调函数 void callBack(int, void*) { //输出图像分配内存 dst = Mat::zeros(img.size(), img.type()); //掩码 Mat mask; inRange(hsv, Scalar(hmin, smin, vmin), Scalar(hmax, smax, vmax), mask); //掩模到原图的转换 imshow("mask", mask); for (int r = 0; r < bgr.rows; r++) { for (int c = 0; c < bgr.cols; c++) { if (mask.at<uchar>(r, c) == 255) { dst.at<Vec3b>(r, c) = bgr.at<Vec3b>(r, c); } } } //输出图像 imshow(dstName, dst); //保存图像 //dst.convertTo(dst, CV_8UC3, 255.0, 0); imwrite("HSV_inRange.jpg", dst); } int main(int argc, char** argv) { //输入图像 img = imread("40.jpg"); if (!img.data || img.channels() != 3) return -1; imshow(windowName, img); bgr = img.clone(); //颜色空间转换 cvtColor(bgr, hsv, CV_BGR2HSV); //cout << hsv << endl; //定义输出图像的显示窗口 namedWindow(dstName, WINDOW_GUI_EXPANDED); //调节色相 H createTrackbar("hmin", dstName, &hmin, hmin_Max, callBack); createTrackbar("hmax", dstName, &hmax, hmax_Max, callBack); //调节饱和度 S createTrackbar("smin", dstName, &smin, smin_Max, callBack); createTrackbar("smax", dstName, &smax, smax_Max, callBack); //调节亮度 V createTrackbar("vmin", dstName, &vmin, vmin_Max, callBack); createTrackbar("vmax", dstName, &vmax, vmax_Max, callBack); callBack(0, 0); waitKey(0); return 0; }
下一篇为数字的分割
·
以上是关于数码管数字提取与识别(附源码)的主要内容,如果未能解决你的问题,请参考以下文章
(附完整python源码)基于tensorflowopencv的入门案例_发票识别一:关键区域定位
MATLAB可视化实战系列(四十)-基于MATLAB 自带手写数字集的CNN(LeNet5)手写数字识别-图像处理(附源代码)