VS Opencv 字符模板匹配小实例

 初步认识

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include 


using namespace cv;
using namespace std;

//声明一些全局变量，比如图像、模板和结果矩阵，以及匹配方法和窗口名称
Mat img; Mat templ; Mat result;
char* image_window = "Source Image";
char* result_window = "Result window";
int match_method;



int main(int argc, char* argv[])
{
	//图片加载
	img = imread("E:\\研究生\\数字图像处理\\c++\\字符识别\\Project1\\ocr\\1.png");
	templ = imread("E:\\研究生\\数字图像处理\\c++\\字符识别\\Project1\\ocr\\template\\1.png");

	namedWindow(image_window, WINDOW_AUTOSIZE);
	namedWindow(result_window, WINDOW_AUTOSIZE);

	//创建将存储每个模板位置匹配结果的结果矩阵。详细观察结果矩阵的大小(匹配所有可能的位置)
	int result_cols = img.cols - templ.cols + 1;
	int result_rows = img.rows - templ.rows + 1;
	result.create(result_rows, result_cols, CV_32FC1);

	//执行模板匹配
	matchTemplate(img, templ, result, match_method);

	// 归一化
	normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());

	//利用cv::minMaxLoc对结果矩阵R中的最小值和最大值进行局部定位
	double minVal; double maxVal; Point minLoc; Point maxLoc;
	Point matchLoc;
	minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());

	//对于前两个方法(TM_SQDIFF和MT_SQDIFF_NORMED)，最好的匹配是最小值。
	//对于其他来说，值越高代表匹配越好。因此，我们将相应的值保存在matchLoc变量中:
	if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED)
	{
		matchLoc = minLoc;
	}
	else
	{
		matchLoc = maxLoc;
	}
	
	//显示源图像和结果矩阵。在可能匹配的最高区域周围画一个矩形

	rectangle(img, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
	rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
	imshow( image_window, img);
	imshow( result_window, result );

	waitKey(0);
	destroyAllWindows();

}

-

 大图是匹配的效果

字符识别算法

想法：把所有的字符模板放到一张图片，根据其各自位置建一个列表，将分割好的图片一次检测匹配，根据其在模板大图上的位置，根据索引在列表找到对应的字符

 

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include 
#include 
#include