我有一个基本图像(一个数字或一个运算符),我必须将它与 14 个图像(0 到 9 和 */- +)进行比较,以了解哪一个与基本图像匹配。
我创建了基本图像的直方图,并使用我为所有 14 个图像的直方图创建的循环,并对直方图进行了归一化处理。
在循环中,对于每个新创建的直方图 i 使用 compareHist() 函数与基础直方图进行比较。并输出结果的 double 值。
使用相关或卡方或交集或 Bhattacharyya 方法:
我得到一组特定的值。而且使用不同的基数时,我仍然得到相同的一组值。
为什么我会收到这个?我是否需要更改规范化函数以获得不同碱基的不同值?
代码:
void matchHistogram(){
Mat src_base, hsv_base;
Mat src_test1, hsv_test1;
/// Histograms
MatND hist_base;
MatND hist_test1;
/// Using 30 bins for hue and 32 for saturation
int h_bins = 30; int s_bins = 32;
int histSize[] = { h_bins, s_bins };
// hue varies from 0 to 255, saturation from 0 to 180
float h_ranges[] = { 0, 255 };
float s_ranges[] = { 0, 180 };
const float* ranges[] = { h_ranges, s_ranges };
// Use the o-th and 1-st channels
int channels[] = { 0, 1 };
for(int i=0;i<noOfcropped;i++){ //get base image //noOfCropped is number of base images i'll compare to 14 images
cout<<" "<<i<<endl;
stringstream croppedimage;
croppedimage<<"CroppedImages/croppedImage"<<i;
croppedimage<<".jpg";
src_base = imread( croppedimage.str(), 1 );
imshow(croppedimage.str(),src_base);
/// Convert to HSV
cvtColor( src_base, hsv_base, CV_BGR2HSV );
/// Calculate the histogram for the HSV images
calcHist( &hsv_base, 1, channels, Mat(), hist_base, 2, histSize, ranges);
normalize( hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat() );
for(int j=0;j<14;j++){//comparing 1 croppedimage with each different characters
cout<<" "<<j<<endl;
stringstream test1;
test1<<"ImagesToCompare/"<<j;
test1<<".jpg";
src_test1 = imread(test1.str(), 1 );
/// Convert to HSV
cvtColor( src_test1, hsv_test1, CV_BGR2HSV );
/// Calculate the histogram for the HSV images
calcHist( &hsv_test1, 1, channels, Mat(), hist_test1, 2, histSize, ranges);
normalize( hist_test1, hist_test1, 0, 1,NORM_MINMAX, -1, Mat() );
/// Apply the histogram comparison methods
int compare_method = 0;
//when 0 or 2, highest comparison values>> best match
//when 1 or 3, lowest comparison values>> best match
double base_test1 = compareHist( hist_base, hist_test1, compare_method );
cout<<base_test1<<endl;
}
}
最佳答案
如果我对你的问题的理解正确,你从一些类似位图的图像中分离并裁剪了一个字符,然后你想识别它是什么字符? 比如自动字符识别?
或许您可以使用边缘检测器来代替比较直方图?
我会尝试这样的算法:
- 查找、隔离和裁剪要识别的字符
- 将其缩放到预定的水平和垂直尺寸以对其进行标准化。
- 将定向边缘检测器扫过角色,像 Sobel 一样简单
边缘检测器。
- 首先应用水平边缘检测器,然后水平“展平”边缘图 以获得表示每个像素行的边缘信息的 vector 。 (即计算每个像素行的边缘图中的 1 和 0)
- 其次应用垂直边缘检测器,并垂直展平边缘图,给出 另一个 vector 表示每个像素列的边缘信息。 (即累加和统计每个像素列的边缘信息)
- 连接这两个 vector [水平边缘信息, 垂直边缘信息]
- 然后将最终的连接 vector 与库进行比较 已知测试样本的预计算 vector (0-9,+/*-)
看起来有些相似的数字 (8,6,9,3) 在水平分量或垂直分量中仍应具有明显的波峰和波谷。
关于c++ - 使用直方图比较 c++ 匹配图像,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19589117/