python中的opencv读取数字_opencv+python 机读卡识别之试错（一）模板匹配的数字识别...

图像来源于第四部分的数字，用任意截图工具截取部分图像当作模板，比如这样：

将模板与图像对比，这个方法根据matchTemplate函数只能选出整幅图里最匹配的图像，并不能找出所有，若想找出所有，必须不断切割图片。单一图片识别方法：

#读入模板图片

template0=cv2.imread('E:\PyProgramma\pyImg\SummerTrain\source\img0\\1.jpg',0)

w, h = template.shape[::-1]

'''

matchTemplate函数参数选择：

'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',

'cv2.TM_CCORR_NORMED', '*cv2.TM_SQDIFF', '*cv2.TM_SQDIFF_NORMED'

后两个区别在于返回坐标信息不太一样

if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:

top_left = min_loc

else:

top_left = max_loc

bottom_right = (top_left[0] + w, top_left[1] + h)

cv2.rectangle(img,top_left, bottom_right, 255, 2)

'''

res = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

# 左上角顶点

topleft = min_loc

# 右下角顶点

bottom_right = (topleft[0] + w, topleft[1] + h)

# 在图里绘制矩形

cv2.rectangle(img, topleft, bottom_right, (0, 0, 255), -1)

cv2.imshow('t',img)

cv2.waitKey(0)

print(topleft,bottom_right,min_val, max_val)

若想得到所有相似图片，则需要切图，像这样：

#testnumx存的是图像框框中竖线分割的横坐标

for i in range(len(testnumx)-1):

#用来存储最大可能性

pro=[]

#对图像进行分割

tempimg=img[y1num[0]:y1num[1],testnumx[i]:testnumx[i+1]]

print(testnumx[i+1]-testnumx[i])

#这里没写好，应该转成图像序列就对了……

pro.append(templatematch(tempimg,template0))

pro.append(templatematch(tempimg, template1))

pro.append(templatematch(tempimg, template2))

pro.append(templatematch(tempimg, template3))

pro.append(templatematch(tempimg, template4))

pro.append(templatematch(tempimg, template5))

pro.append(templatematch(tempimg, template6))

pro.append(templatematch(tempimg, template7))

pro.append(templatematch(tempimg, template8))

pro.append(templatematch(tempimg, template9))

pro.append(templatematch(tempimg, templatex))

#输出最有可能的数字

print(pro.index(max(pro)))

这种方法做出来效果不太理想，可能模板加上边框会好些……方法很局限，可以用一个数字包含多个模板的方式来解决推广的问题，但随着模板数量的增加实际上已经变成了一种机器学习的方法……所以还不如直接机器学习……