opencv版本： 3.0.0

           处理验证码： 纯数字验证码 （颜色不同，有噪音，和带有较多的划痕）

             测试时间 ：  一天+一晚

                  效果： 比较挫，可能是由于测试的图片是在太小了的缘故.

               原理：

 　　　　　　  验证码识别作为身份证号机器识别的一个衍生，夹杂了很多干扰的噪音，所以加大了二值化的难度。以及轮廓追踪的不好协调。

        操作过程大过程有以下几个：

                  （1） 待测试的图片灰度化并二值化

                  （2）预先装载特征库（这里分为多样，形式不一）

                  （3）物体轮廓检测                  

                  （4）扫描待测图片，并进行特征码比对，匹配优先

       处理图片展示：

                

 

 

        代码演示：

         

1 #include
     
        2   3 #include 
      
           4 #include 
       
          5   6 struct DataBase{  7    int  value;        //库特征对应的值  8    vector
        
          sample;   //特征库  9    DataBase(int var , Mat & sam){ 10        value = var; 11        sample.push_back(sam); 12    } 13 }; 14  15 typedef struct DataBase dataBase; 16  17  18  19  20 //加载图片 21 bool loadImage(Mat &src , Mat &gray ,String &filename){ 22  23     Mat cbgray ; //合成后图像 24     int chans;    //bgR分量 25     src = imread( filename , true );  26     if( src.empty() )    return false; 27     chans = src.channels(); 28     vector
         
           bgR(  chans ) ; 29     //分割通道 30     split(src,bgR); 31     //直方图均衡化 32     for(int chan=0 ; chan < chans ; ++chan ){ 33         equalizeHist(bgR[chan] , bgR[chan]); 34     } 35     //单通道合并 36     merge(bgR , cbgray ); 37     //灰度化 38     cvtColor(cbgray ,gray ,CV_RGB2GRAY); 39     return true ; 40 } 41  42 //二值化 43 bool binImage(Mat& src , Mat& dst , int _size , int lparam  ,int mediansize){ 44    //采用自适应二值化 45     adaptiveThreshold(src,src,255,CV_ADAPTIVE_THRESH_MEAN_C,CV_THRESH_BINARY,_size , lparam); 46    //中值滤波 47     medianBlur(src,dst,mediansize); 48    return true; 49 } 50  51 //装载特征库 52 /*通常来说这个应该是预先被加载好,以数据库或者其他的形式保存起来 53   在这地方由于东西比较少，直接现场处理 54 */ 55 int loadProperty(vector
          
            &db ,int index[] 56 , int _size = 31 , int lparam = 7 , int mediansize = 3 ){ 57 58 //固定路径 59 char filename[30]; 60 61 for(int i=0; i<20 ; ++i){ 62 sprintf(filename,"D:\\yzm\\tzk\\%d.png",index[i]); 63 Mat tmp; 64 String path =filename; 65 loadImage(tmp,tmp,path); //装载并灰度化 66 binImage(tmp,tmp,_size,lparam,mediansize); //二值化 67 //imshow("sample",tmp); 68 //waitKey(0); 69 db.push_back( dataBase( index[i]%10 , tmp ) ); 70 } 71 72 return true; 73 } 74 75 76 //对于模块进行匹配 77 int StartMatch(Mat src , vector< dataBase > db , Point &curpx){ 78 79 int res ; 80 double maxValue , minValue ,resValue ; 81 Point minloc , maxloc ,resloc; 82 83 vector< dataBase >::iterator it; 84 vector< Mat >::iterator m_it; 85 86 Mat sample ,result; 87 int curcols , currows; 88 resValue =1.; 89 90 for( it = db.begin() ; it !=db.end() ; it++ ){ 91 92 for( m_it = it->sample.begin() ; m_it != it->sample.end() ; m_it++ ){ 93 94 sample = *m_it; 95 int res_rows = src.rows - sample.rows + 1 ; 96 int res_cols = src.cols - sample.cols + 1 ; 97 if( res_rows < 1 || res_cols< 1 ) break; 98 result = cv::cvarrToMat(cvCreateImage(cvSize(res_cols, res_rows), 1, 1)); 99 100 matchTemplate(src, sample , result ,CV_TM_SQDIFF_NORMED); //模板匹配算法,平方差匹配101 102 minMaxLoc(result, &minValue, &maxValue, &minloc, &maxloc,Mat() );103 if(resValue > minValue){104 resValue = minValue;105 resloc = minloc;106 res = it->value; //记录这个值的大小107 curcols = sample.cols;108 currows = sample.rows;109 }110 }111 }112 113 // rectangle(srcResult, matchLoc, cvPoint(matchLoc.x + curtemplatW, matchLoc.y+ curtemplatH), cvScalar(0,0,255));114 //设定一个阈值115 if(resValue<0.2){116 //++curpx.x;117 curpx.x += resloc.x + curcols/2.; 118 rectangle(src,resloc,cvPoint(resloc.x + curcols , resloc.y + currows ),cvScalar(0,0,255));119 }120 else{121 ++curpx.x;122 res=-1;123 }124 return res;125 }126 127 //逐步的扫描128 vector< int > ScanImage( Mat &src , vector< dataBase > db , int window_width=12 ,int window_height=12 ){129 130 Point srcp;131 132 window_height = src.rows;133 vector< int > ans ; 134 while(srcp.x
           
             src.cols)137 window_width = src.cols - srcp.x;138 Mat tmp = src( Rect(srcp.x,srcp.y,window_width,window_height) );139 140 //轮廓检测141 /* vector< vector 
            
              >reg;142 Mat newtmp = tmp.clone();143 findContours(newtmp, reg,CV_RETR_EXTERNAL , CV_CHAIN_APPROX_NONE);144 if( reg.empty() ) break;145 Rect rect = boundingRect(Mat(reg[0]));146 Mat ttmp = tmp(rect);147 imshow("ttmp",ttmp);148 waitKey(0);*/149 150 int ansvalue =StartMatch(tmp,db,srcp);151 if(ansvalue !=-1){152 ans.push_back( ansvalue);153 printf("%d ",ansvalue);154 }155 }156 puts("");157 return ans;158 }159 160 int main()161 {162 163 Mat check;164 vector< dataBase > dblist;165 int dex[20];//{0,1,2,3,4,5,6,7,8,9}; //建立一个索引166 for(int i=0;i<20 ; dex[i]=i++);167 loadProperty(dblist,dex,7,33,3); 168 169 for(int i=0;i<9;i++)170 {171 char path[30];172 173 if(i<9) sprintf(path,"D:/yzm/%d.jpg",i+1);174 else sprintf(path,"D:/yzm/%d.png",i-8);175 176 loadImage(check,check,String(path));177 imshow("check",check);178 waitKey(0);179 180 binImage(check,check,17,50,3);181 182 ScanImage(check,dblist,11,3);183 imshow("final",check);184 waitKey(0);185 }186 waitKey(0);187 return 0;188 }
            
           
          
         
        
       
      
     

          

                 

   

  

   可能是由于测试的图片太小了，导致二值化的时候，图片很不理想，只好取消轮廓检测，然后改为手动设置窗口大小，虽然比较原始，，但是对于比较清晰的图片多能较好的

识别出来！