使用Opencv进行轮廓检测，字符提取，简单的直方图字符识别！

一.使用Opencv进行轮廓检测！

所需函数：

1. cvFindContours

函数功能：从二值图像中检索轮廓，并返回检测到的轮廓的个数

函数原型：

int)  cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,
                            int header_size = sizeof(CvContour),
                            int mode = CV_RETR_LIST,
                            int method = CV_CHAIN_APPROX_SIMPLE,
                            CvPoint offset = cvPoint(0,0));
参数介绍：

CvArr* image：要检测轮廓的图像，必须为二值图
CvMemStorage* storage：存储轮廓的容器
 CvSeq** first_contour：输出参数，用于存储指向第一个外接轮廓。是一个链表,h_next用于指向下一个外接轮廓
int header_size：header序列的尺寸.如果选择method = CV_CHAIN_CODE, 则header_size >= sizeof(CvChain)；其他，则
header_size >= sizeof(CvContour)。
int mode：
CV_RETR_EXTERNAL：只检索最外面的轮廓；
CV_RETR_LIST：检索所有的轮廓，并将其放入list中；
CV_RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；
CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。
int method
边缘近似方法（除了CV_RETR_RUNS使用内置的近似，其他模式均使用此设定的近似算法）。可取值如下：
CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CV_CHAIN_APPROX_NONE：将所有的连码点，转换成点。
CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用the flavors of Teh-Chin chain近似算法
的一种。
CV_LINK_RUNS：通过连接水平段的1，使用完全不同的边缘提取算法。使用CV_RETR_LIST检索模式能使用此方法。
CvPoint offset
偏移量，用于移动所有轮廓点。当轮廓是从图像的ROI提取的，并且需要在整个图像中分析时，这个参数将很有用。
返回值：检测到的轮廓数量

2.cvThreshold

函数功能：对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。

函数原型：

void cvThreshold
( const CvArr* src,
CvArr* dst,
double threshold,
double max_value,
int threshold_type );
参数介绍：

src：原始数组 (单通道 , 8-bit of 32-bit 浮点数)。
dst：输出数组，必须与 src 的类型一致，或者为 8-bit。
threshold：阈值
max_value：使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。
threshold_type：阈值类型
threshold_type=CV_THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst（x,y）=0;
threshold_type=CV_THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.
threshold_type=CV_THRESH_TRUNC:如果 src(x,y)>threshold，dst(x,y) = max_value; 否则dst(x,y) = src(x,y).
threshold_type=CV_THRESH_TOZERO:如果src(x,y)>threshold，dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0。
threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold，dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
3. cvCreateMemStorage

函数功能：用来创建一个内存存储器，来统一管理各种动态对象的内存。

函数原型：

CvMemStorage*  cvCreateMemStorage( int block_size = 0);
参数介绍：

int block_size = 0：对应内存器中每个内存块的大小，为0时内存块默认大小为64k。
返回值：返回一个新创建的内存存储器指针。

4. cvBoundingRect

函数功能：计算点集的最外面（up-right）矩形边界。

函数原型：

CvRect  cvBoundingRect( CvArr* points, int update = 0);
参数介绍：

CvArr* points：二级点矩阵
int update：
更新标识。
下面是轮廓类型和标识的一些可能组合:
update=0, contour ~ CvContour*: 不计算矩形边界，但直接由轮廓头的 rect 域得到。
update=1, contour ~ CvContour*: 计算矩形边界，而且将结果写入到轮廓头的 rect 域中 header。
update=0, contour ~ CvSeq* or CvMat*: 计算并返回边界矩形。
update=1, contour ~ CvSeq* or CvMat*: 产生运行错误 （runtime error is raised）。
函数 cvBoundingRect 返回二维点集的最外面 （up-right）矩形边界。 [1] 
所需结构体：

1. CvMemStorage

结构体介绍：

typedef struct CvMemStorage
 
{
 
    int signature;
 
    CvMemBlock* bottom;                /**< 第一分配块。                   */
 
    CvMemBlock* top;                     /**< 当前内存块——堆栈的顶部。 */
 
    struct  CvMemStorage* parent; /**< 根据需要从父块获取新的块。 */
 
    int block_size;                          /**< 块的大小。                           */
 
    int free_space;                         /**< 当前块中的剩余空闲空间。   */
 
}CvMemStorage;
2. CvSeq

  typedef struct CvSeq
{
    CV_SEQUENCE_FIELDS()
} CvSeq;
 
    #define CV_SEQUENCE_FIELDS() 
    int flags; /* micsellaneous flags */ 
    int header_size; /* 序列头的大小 */ 
    struct CvSeq* h_prev; /* 前一个序列 */ 
    struct CvSeq* h_next; /* 后一个序列 */ 
    struct CvSeq* v_prev; /* 第二级前一个序列 */ 
    struct CvSeq* v_next; /* 第二级后一个序列 */ 
    int total; /* 元素的总个数 */ 
    int elem_size;/* 元素的尺寸 */ 
    char* block_max;/* 上一块的最大块 */ 
    char* ptr; /* 当前写指针 */ 
    int delta_elems; /*序列中快的大小
                        (序列粒度) */ 
    CvMemStorage* storage; /*序列的存储位置 */ 
    CvSeqBlock* free_blocks; /* 未分配的块序列 */ 
    CvSeqBlock* first; /* 指向第一个快序列 */
相关理论知识：在图像处理中阈值是什么意思？

二. 开始编写代码

编写代码前需要准备一张实验图像！

可自行保存到本地，png格式！

1. 加载测试图像

//打开要识别字符的图像
    IplImage *image = cvLoadImage("d:\\1.png");
    if (image == NULL){
        printf("错误：无法打开该图像文件！");
    }
2.图像二值化

//转换到灰度图
    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
    cvCvtColor(image, img_gray, CV_BGR2GRAY);
    //二值化
    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
    cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
3. 在二值化图像中寻找轮廓

//寻找轮廓
    CvMemStorage *pStorage = cvCreateMemStorage(0);
    CvSeq *pConInner = NULL;
    int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
        CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
4. 获取轮廓在图像中的矩阵坐标

//根据轮廓坐标使用方框标出来
    for (int i = 0; i < num; i++)
    {
        
        CvRect rc = cvBoundingRect(pConInner);
        cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));
        pConInner = pConInner->h_next;
    }
5. 显示图像

//显示图像
    cvNamedWindow("image", 0);
    cvNamedWindow("image_gray", 0);
    cvNamedWindow("img_value", 0);
    cvShowImage("image", image);
    cvShowImage("image_gray", img_gray);
    cvShowImage("img_value", img_value);
    cvWaitKey(0);

运行结果：

二值化图像是很利用我们做轮廓检测的，因为二值化的图像中不会有其他掺杂颜色在里面影响轮廓检测准确！

完整代码：

//打开要识别字符的图像
    IplImage *image = cvLoadImage("d:\\1.png");
    if (image == NULL){
        printf("错误：无法打开该图像文件！");
    }
//转换到灰度图
    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
    cvCvtColor(image, img_gray, CV_BGR2GRAY);
    //二值化
    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
    cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
//寻找轮廓
    CvMemStorage *pStorage = cvCreateMemStorage(0);
    CvSeq *pConInner = NULL;
    int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
        CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
//根据轮廓坐标使用方框标出来
    for (int i = 0; i < num; i++)
    {
        
        CvRect rc = cvBoundingRect(pConInner);
        cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));
        pConInner = pConInner->h_next;
    }
//显示图像
    cvNamedWindow("image", 0);
    cvNamedWindow("image_gray", 0);
    cvNamedWindow("img_value", 0);
    cvShowImage("image", image);
    cvShowImage("image_gray", img_gray);
    cvShowImage("img_value", img_value);
    cvWaitKey(0);
三. 字符提取

已经将字符轮廓用矩形给标出来了，那么接下来字符提取就较为简单了！

我们可以复用上面的代码，在绘制轮廓前加入：

IplImage* imgNo[9] = { NULL };
用于存储分割出来的图像

在使用cvCopy函数对其进行裁剪即可！

//根据轮廓坐标使用方框标出来
    for (int i = 0; i < num; i++)
    {
        
        CvRect rc = cvBoundingRect(pConInner);
        //cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));    //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
        imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
        cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height));//设置源图像ROI
        cvCopy(image, imgNo[i]);    //裁剪，将裁剪的字符图像放入到imgNo数组中去
        pConInner = pConInner->h_next;
    }
最后在将其显示出来
char a[9];
    for (int i = 0; i < 9; ++i){
        sprintf(a, "%d", i);
        cvShowImage(a, imgNo[i]);
    }
运行结果：

完整代码：
//打开要识别字符的图像
    IplImage *image = cvLoadImage("d:\\1.png");
    if (image == NULL){
        printf("错误：无法打开该图像文件！");
    }
    //转换到灰度图
    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
    cvCvtColor(image, img_gray, CV_BGR2GRAY);
    //二值化
    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
    cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
    //寻找轮廓
    CvMemStorage *pStorage = cvCreateMemStorage(0);
    CvSeq *pConInner = NULL;
    int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
        CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    IplImage* imgNo[9] = { NULL };
    //根据轮廓坐标使用方框标出来
    for (int i = 0; i < num; i++)
    {
        
        CvRect rc = cvBoundingRect(pConInner);
        //cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));    //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
        imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
        cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height));//设置源图像ROI
        cvCopy(image, imgNo[i]);    //裁剪
        pConInner = pConInner->h_next;
    }
    //显示图像
    cvNamedWindow("image", 0);
    cvNamedWindow("image_gray", 0);
    cvNamedWindow("img_value", 0);
    char a[9];
    for (int i = 0; i < 9; ++i){
        sprintf(a, "%d", i);
        cvShowImage(a, imgNo[i]);
    }
    cvShowImage("image_gray", img_gray);
    cvShowImage("img_value", img_value);
    cvWaitKey(0);
四. 文字识别

在文字识别，你可以使用其他方法，本博客中使用最简单的直方图匹配，后续的车牌识别中，我会写一篇通过Opencv训练分练器，通过样本文件来识别提高识别率！

相关链接： 使用Opencv绘制灰度直方图/对比

注意前提，你要有模板图像，这里我把样本图像分享给各位！

由于模板图像较多，我上传到csdn上，供需要的人下载正规字符模板，下载需要两积分，如果不想下载可以使用下列图像，然后复用上面的代码裁剪出字符然后使用cvSeveImage函数保存到本地即可！

然后使用下列代码：

//打开要识别字符的图像
    IplImage *image = cvLoadImage("d:\\1.png");
    if (image == NULL){
        printf("错误：无法打开该图像文件！");
    }
    //转换到灰度图
    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
    cvCvtColor(image, img_gray, CV_BGR2GRAY);
    //二值化
    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
    cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
    //寻找轮廓
    CvMemStorage *pStorage = cvCreateMemStorage(0);
    CvSeq *pConInner = NULL;
    int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
        CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    IplImage* imgNo[53] = { NULL };
    //根据轮廓坐标使用方框标出来
    for (int i = 0; i < num; i++)
    {
        
        CvRect rc = cvBoundingRect(pConInner);
        //cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));    //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
        imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
        cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height));//设置源图像ROI
        cvCopy(image, imgNo[i]);    //裁剪
        pConInner = pConInner->h_next;
    }
    //显示图像文件
    char a[53];
    for (int i = 0; i < 53; ++i){
        sprintf(a, "d:\\img\\%d.jpg", i);
        cvSaveImage(a, imgNo[i]);
    }
    cvWaitKey(0);
运行之后你的D盘下就会出现一个img文件里面包含了所有的正规字符模板图！

开始编写识别代码

这里我们不复用上面的代码，重新编写一份，因为模板匹配算法有些地方有问题，所以这里重写一遍给大家注明一下！

注意上面的模型建议用在其他识别算法上，不建议用在模板图片上，matchTemplate模板匹配函数要求尺寸一致，这里为了方便就不编写尺寸变换的代码了，只是做一个示例，所以我就直接用

这张图的字符样本做模板了，

拿出来分享给各位：

    

有需要可自行保存到本地，jpg格式！

下面开始编写代码：

1. 定义一个结构体用于关联图像与字符

typedef struct p_image{
    char c_name;
    CvHistogram *img_zft;
}p_image;
2. 打开测试图像

//打开要识别字符的图像
    IplImage *image = cvLoadImage("d:\\1.png");
    if (image == NULL){
        printf("错误：无法打开该图像文件！");
    }
3. 图像二值化

//转换到灰度图
    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
    cvCvtColor(image, img_gray, CV_BGR2GRAY);
    //二值化
    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
    cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
4. 寻找轮廓

//寻找轮廓
    CvMemStorage *pStorage = cvCreateMemStorage(0);
    CvSeq *pConInner = NULL;
    int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
        CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
5. 申请变量用于字符提取

IplImage* imgNo[9] = { NULL };
6. 申请变量用于转化字符提取的直方图

IplImage *i1[9] = { NULL };
7. 字符裁剪

//字符提取
    for (int i = 0; i < num; i++)
    {
        
        CvRect rc = cvBoundingRect(pConInner);
        //cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));    //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！
        imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
        cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height));//设置源图像ROI
        cvCopy(image, imgNo[i]);    //裁剪
        pConInner = pConInner->h_next;
    }
8. 重新保存与读取

为什么要加这段重复代码？

原因：经过我测试，Opencv里面的数据是没有经过压缩的，所以当你打开模板图时模板图格式为jpg，经过jpeg算法压缩，当你使用直方图比对时比对会有差异，注意加这段代码仅针对直方图的情况来做修改的！

其他匹配方法无需增加这段代码！

吐槽一下：直方图匹配真的是太烂了，直方图只能用于计算！

//jpg格式压缩！！

//保存与读取
    char name[256];
    for (int i = 0; i < 9; ++i){
        sprintf(name, "d:\\img\\%d.jpg", i);
        cvSaveImage(name, imgNo[i]);
    }
    char b[256];
    for (int i = 0; i < 9; ++i){
        sprintf(b, "d:\\img\\%d.jpg", i);
        imgNo[i] = cvLoadImage(b);
    }
9. 灰度图转换

//灰度转换
    for (int i = 0; i < 9; ++i){
        i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);
        cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY);//CV_BGR2GRAY  
    }
10. 计算原图的直方图

//计算原图的直方图
    int arr_size = 255;                 //定义一个变量用于表示直方图行宽  
    float hranges_arr[] = { 0, 255 };       //图像方块范围数组  
    float *phranges_arr = hranges_arr;      //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参  
    //创建直方图  
    CvHistogram *hist[9];
    for (int i = 0; i < 9; ++i){
        hist[i] = cvCreateHist(1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1);//创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化  
    }
    //计算直方图
    for (int i = 0; i < 9; ++i){
        cvCalcHist(&i1[i], hist[i], 0, 0);
    }
11. 加载模板图

IplImage* abcd_img[9] = { NULL };
    char img_name[256] = { 0 };
    for (int i = 0; i < 9; ++i){
        sprintf(img_name, "d:\\img\\%d.jpg", i);
        abcd_img[i] = cvLoadImage(img_name);
    }
12. 转换成灰度图

    //转换灰度图
    IplImage* abcd_img_hdt[9] = { NULL };
    for (int i = 0; i < 9; ++i){
        abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);
        cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY);//CV_BGR2GRAY  
    }
13. 计算模板图的直方图

//创建直方图  
    CvHistogram *hist_abcd[9];
    for (int i = 0; i < 9; ++i){
        hist_abcd[i] = cvCreateHist(1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1);//创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化  
    }
    //计算模板图的直方图
    for (int i = 0; i < 9; ++i){
        cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);
    }
14. 申请结构体，方便数据化管理

//申请结构体
    p_image *p[9] = { NULL };
    for (int i = 0; i <= num; ++i){
        p[i] = (p_image *)malloc(sizeof(p_image));
    }
15. 字符关联

//字符关联
    char abcd[9] = { 'H', 'E', 'L', 'L', 'O', 'W', 'O', 'R', 'D' };
    for (int i = 0; i <= num; ++i){
        p[i]->c_name = abcd[i];
    }
16. 结构体与模板直方图管理，形成结构化

//直方图关联
    for (int i = 0; i < num; ++i){
        p[i]->img_zft = hist_abcd[i];
    }
17. 匹配图像

//匹配图像
    char j_c[9];//用于存储匹配到的字符
    for (int i = 0; i < num; ++i){
        for (int j = 0; j < num; ++j){
            double Compare = cvCompareHist(hist[i], p[j]->img_zft, 0);     //使用CV_COMP_CORREL方法进行对比
            if (Compare == 1.){//100%正确 这里我们精准度调整高一点，因为直方图比对真的是太差劲了，相似度很高
            j_c[i] = p[j]->c_name;
}}}
18. 打印匹配结果

printf("检测到%d个字母，分别是", num);
    for (int i = 0; i < num; ++i){
        printf("%c", j_c[i]);
        if (i != 8){
            printf(",");
        }
    }
    for (int i = 0; i < num; ++i){
        p[i]->c_name = abcd[i];
    
    }
19. 显示图像

//显示图像
    cvNamedWindow("image", 0);
    cvNamedWindow("image_gray", 0);
    cvNamedWindow("img_value", 0);
    char a[9];
    for (int i = 0; i < num; ++i){
        sprintf(a, "%d", i);
        cvShowImage(a, imgNo[i]);
    }
    cvShowImage("image", image);
    cvShowImage("image_gray", img_gray);
    cvShowImage("img_value", img_value);
    cvWaitKey(0);
运行结果：

完整代码：

typedef struct p_image{
    char c_name;
    CvHistogram *img_zft;
}p_image;
int main()
{
    //打开要识别字符的图像  
    IplImage *image = cvLoadImage("d:\\1.png");
    if (image == NULL){
        printf("错误：无法打开该图像文件！");
    }
    //转换到灰度图  
    IplImage *img_gray = cvCreateImage(cvGetSize(image), image->depth, 1);
    cvCvtColor(image, img_gray, CV_BGR2GRAY);
    //二值化  
    IplImage *img_value = cvCreateImage(cvGetSize(img_gray), image->depth, 1);
    cvThreshold(img_gray, img_value, 100, 255, CV_THRESH_BINARY_INV);
    //寻找轮廓  
    CvMemStorage *pStorage = cvCreateMemStorage(0);
    CvSeq *pConInner = NULL;
    int num = cvFindContours(img_value, pStorage, &pConInner, sizeof(CvContour),
        CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    IplImage* imgNo[9] = { NULL };
    IplImage *i1[9] = { NULL };
    //字符提取  
    for (int i = 0; i < num; i++)
    {
 
        CvRect rc = cvBoundingRect(pConInner);
        //cvDrawRect(image, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));    //为了防止裁剪时出现矩阵颜色，所以将这段代码屏蔽掉！  
        imgNo[i] = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
        cvSetImageROI(image, cvRect(rc.x, rc.y, rc.width, rc.height));//设置源图像ROI  
        cvCopy(image, imgNo[i]);    //裁剪  
        pConInner = pConInner->h_next;
    }
    //保存与读取  
    char name[256];
    for (int i = 0; i < 9; ++i){
        sprintf(name, "d:\\img\\%d.jpg", i);
        cvSaveImage(name, imgNo[i]);
    }
    char b[256];
    for (int i = 0; i < 9; ++i){
        sprintf(b, "d:\\img\\%d.jpg", i);
        imgNo[i] = cvLoadImage(b);
    }
    //灰度转换  
    for (int i = 0; i < 9; ++i){
        i1[i] = cvCreateImage(cvSize(imgNo[i]->width, imgNo[i]->height), 8, 1);
        cvCvtColor(imgNo[i], i1[i], CV_BGR2GRAY);//CV_BGR2GRAY    
    }
    //计算原图的直方图  
    int arr_size = 255;                 //定义一个变量用于表示直方图行宽    
    float hranges_arr[] = { 0, 255 };       //图像方块范围数组    
    float *phranges_arr = hranges_arr;      //cvCreateHist参数是一个二级指针，所以要用指针指向数组然后传参    
    //创建直方图    
    CvHistogram *hist[9];
    for (int i = 0; i < 9; ++i){
        hist[i] = cvCreateHist(1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1);//创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化    
    }
    //计算直方图  
    for (int i = 0; i < 9; ++i){
        cvCalcHist(&i1[i], hist[i], 0, 0);
    }
    //字符与图像关联  
    //加载图像  
    IplImage* abcd_img[9] = { NULL };
    char img_name[256] = { 0 };
    for (int i = 0; i < 9; ++i){
        sprintf(img_name, "d:\\img\\%d.jpg", i);
        abcd_img[i] = cvLoadImage(img_name);
    }
    //转换灰度图  
    IplImage* abcd_img_hdt[9] = { NULL };
    for (int i = 0; i < 9; ++i){
        abcd_img_hdt[i] = cvCreateImage(cvSize(abcd_img[i]->width, abcd_img[i]->height), 8, 1);
        cvCvtColor(abcd_img[i], abcd_img_hdt[i], CV_BGR2GRAY);//CV_BGR2GRAY    
    }
    //创建直方图    
    CvHistogram *hist_abcd[9];
    for (int i = 0; i < 9; ++i){
        hist_abcd[i] = cvCreateHist(1, &arr_size, CV_HIST_ARRAY, &phranges_arr, 1);//创建一个一维的直方图，行宽为255，多维密集数组，方块范围为0-255，bin均化    
    }
    //计算模板图的直方图  
    for (int i = 0; i < 9; ++i){
        cvCalcHist(&abcd_img_hdt[i], hist_abcd[i], 0, 0);
    }
    //关联图像  
    p_image *p[9] = { NULL };
    for (int i = 0; i <= num; ++i){
        p[i] = (p_image *)malloc(sizeof(p_image));
    }
    //字符关联  
    char abcd[9] = { 'H', 'E', 'L', 'L', 'O', 'W', 'O', 'R', 'D' };
    for (int i = 0; i <= num; ++i){
        p[i]->c_name = abcd[i];
    }
    //直方图关联  
    for (int i = 0; i < num; ++i){
        p[i]->img_zft = hist_abcd[i];
    }
    //匹配图像  
    //用于结果  
    char j_c[9];
    for (int i = 0; i < num; ++i){
        for (int j = 0; j < num; ++j){
            double Compare = cvCompareHist(hist[i], p[j]->img_zft, 0);     //使用CV_COMP_CORREL方法进行对比  
            if (Compare == 1.){ //100%正确 这里我们精准度调整高一点，因为直方图比对真的是太差劲了，相似度很高  
                j_c[i] = p[j]->c_name;
 
            }
        }
    }
    printf("检测到%d个字母，分别是", num);
    for (int i = 0; i < num; ++i){
        printf("%c", j_c[i]);
        if (i != 8){
            printf(",");
        }
    }
    for (int i = 0; i < num; ++i){
        p[i]->c_name = abcd[i];
 
    }
    //显示图像  
    cvNamedWindow("image", 0);
    cvNamedWindow("image_gray", 0);
    cvNamedWindow("img_value", 0);
    char a[9];
    for (int i = 0; i < num; ++i){
        sprintf(a, "%d", i);
        cvShowImage(a, imgNo[i]);
    }
    cvShowImage("image", image);
    cvShowImage("image_gray", img_gray);
    cvShowImage("img_value", img_value);
    cvWaitKey(0);
    return 0;
}
--------------------- 
原文：https://blog.csdn.net/bjbz_cxy/article/details/79741725