Opencv识别的预处理过程

Opencv识别的预处理过程：1、将彩色图像转换为灰度图，其中有三种方法：最大值法、平均值法和各比例法。(1)最大值法：就是获取图像中的每一个像素值，并且分别获得像素的RGB个分量值(GetRValue(COLORREFpixel),GetGValue(COLORREFpixel),GetBValue(COLORREFpixel))，然后取三个分量的中最大的一个作为像素的分量值;(2)平均值法：取三个分量的平均值作为像素的分量值；(3)各比例法：设当前像素的三分量分别为R，G，B，然后利用如下公式得到转换后的像素分量值：0.30*R+0.59*G+0.11*B。2、将灰度图转换为黑白图：利用阈值转换算法。3、利用梯度锐化：使得图像更加突出，以便分析。算法：当前点像素值与其下一个像素值之差的绝对值，加上当前点像素值与其下一行当前像素值之差的绝对值，如果结果大于阈值，则当前像素值置为此结果。4、去除离散噪声：利用递归方法查找当前像素的八个方向是否存在黑色像素，我这里设置连续长度为15，如果用递归方法得到连续像素值大于15，则认为不是噪声，相反的则认为是噪声，则置为白色像素。5、字符倾斜度调整：尽量保存每个字符的位置一致。6、分割字符：找出每个字符的区域，用矩形记录，记录每个字符矩形数据。7、字符归一化：根据图像预处理的准备阶段设置的归一化标准，把每个字符的区域进行归一化，使得所有字符区域矩形一样大，只是位置不一样罢了；8、字符紧密排列：把所有字符紧密的排列，以备识别使用。以上就是数字识别的整个图像预处理过程了。