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;
}
---------------------
原文：https://blog.csdn.net/bjbz_cxy/article/details/79741725
