各位朋友大家好，我是CPP课题组的视觉工程师。这个系列的文章主要介绍计算机视觉尤其是OCR在经济类课题数据采集中的应用以及其实现方法。既是小教程又是学习笔记。
OCR（Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）用字符识别方法将形状翻译成计算机文字的过程。过程包括预处理—特征提取—分类—后期处理四个重要的环节。过程根据需求和采取的技术路线不同也会有不同。
CPP课题组的数据大量通过爬虫获得，爬取到的文字信息经过数据清洗之后可以利用。但爬取到的图片信息，如果不经过OCR就难以加以利用。例如下面图片中的信息：
环境配置：VisualStudio2015&OpenCV3.1.0
Microsoft Visual Studio（简称VS）是微软的开发工具包系列产品。VS是一个基本完整的开发工具集，它包括了整个软件开发过程中所需要的大部分工具，如UML工具、代码管控工具、集成开发环境(IDE)等等。OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。
它轻量级而且高效——由一系列 C 函数和少量 C 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。VS和OpenCV大家也可以尝试最新的版本，我这里是为了和队友的版本保持一致，所以没有升级。首先安装VS，安装镜像文件可以从官网上找到，社区免费版已经足够用了。OpenCV相关配置，在网上可以很方便地找到教程，就麻烦大家自己动下手了，我只在这里特别提醒几点。
1. 使用镜像安装。未安装虚拟镜像则须下载再安装。安装时无需联网，速度较快。
2. OpenCV解压之后全项目组组统一解压路径，方便代码和工程项目互相转移。
3. 为了保证和他人写的代码兼容，在包含目录中多包含几个。
4. 配置时使用属性表，将属性表保存到方便找的路径。之后新建工程只需要载入已有属性表，无需再次配置。
5. 配置debugx64的属性表，并选择x64.
6. 安装和配置真的会花很长很长很长时间，请有耐心（^.^）
熟悉操作
//在工程目录下储存文件名为"1.jpg"的图像。#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include <cstdio> #include <iostream>using namespace cv; using namespace std;
int main(int argc, char* argv[]) {
Mat img = imread("1.jpg");
if(!img.data) {
cout << "no file";
return 0;
}
imshow("Original", img); //show the original image
waitKey(20000);
return 0; }
以上代码实现了读入图片并显示的简单的功能。
颜色空间
在图像显示中，最常用的颜色空间是RGB模型，显示原理非常容易被理解。而HSV模型，是进行图像分析时常用的颜色空间。RGB就是：红（Red）、绿（Green）、蓝（Blue）三种色光原色，是图像显示最直接的色彩表示方法。但RGB虽然表示直接，但是R、G、B数值和色彩的三属性没有直接的联系，不能揭示色彩之间的关系。所以在进行图像识别时，RGB模型就不是那么合适了。
HSV是指Hue(色相)、Saturation(饱和度)和Value(值)。
色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°，品红为300°。
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
明度V表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。RGB和CMY颜色模型都是面向硬件的，而HSV颜色模型是面向用户的。在进行颜色判定时，只需查HSV模型的颜色范围表就可以。
Mat imgHSV;cvtColor(img, imgHSV, COLOR_BGR2HSV);
填入参数CV_RGB2GRAY是RGB到灰度图像。
预处理：阀值化、滤波、图形学
阀值化处理图像方便进行进一步处理。参照蓝色的颜色范围进行阀值化处理。
int bLowH = 100;
int bHighH = 124;
int bLowS = 45;
int bHighS = 255;
int bLowV = 45;
int bHighV = 255;
Mat blue_imgThresholded;inRange(imgHSV, Scalar(bLowH, bLowS, bLowV), Scalar(bHighH, bHighS, bHighV), blue_imgThresholded); //阀值化处理图像
常用的滤波操作有中值滤波、均值滤波、双边滤波、高斯滤波等等。中值滤波和均值，滤波都会在不同程度上带来一些问题。在实际操作中，更多用到的是双边和高斯滤波。这里使用高斯滤波再阀值化来看一下效果。
Mat imgHSV, gauHSV;
Mat gau;
GaussianBlur(img, gau, Size(7, 7), 0, 0);//高斯滤波
cvtColor(img, imgHSV, COLOR_BGR2HSV);
cvtColor(gau, gauHSV, COLOR_BGR2HSV);
int bLowH = 100;
int bHighH = 124;
int bLowS = 45;
int bHighS = 255;
int bLowV = 45;
int bHighV = 255;
Mat blue_imgThresholded, gau_imgThresholded;inRange(imgHSV, Scalar(bLowH, bLowS, bLowV), Scalar(bHighH, bHighS, bHighV), blue_imgThresholded); //Threshold the image
inRange(gauHSV, Scalar(bLowH, bLowS, bLowV), Scalar(bHighH, bHighS, bHighV), gau_imgThresholded); //Threshold the image
imshow("Original", img); //show the original image
imshow("gau", gau); //show the original image
imshow("blue_imgThresholded", blue_imgThresholded); //show the original image imshow("gau_imgThresholded", gau_imgThresholded); //show the original image
这里要注意一下处理顺序。先对原图进行高斯滤波再转化为HSV图像。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。这样可以有效地去除一些噪点，突出需要处理的部分。
图形学操作指腐蚀，膨胀，开操作，闭操作。从图像处理角度看，二值图像的腐蚀和膨胀就是将一个小型二值图，在一个大的二值图上逐点移动并进行“与”“或”逻辑运算，根据运算结果确定中心点的像素结果。膨胀是“或”运算，腐蚀是“与”运算。开操作是先腐蚀再膨胀，一般使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。闭操作是膨胀再腐蚀可使轮廓线更光滑，但与开操作相反的是，闭操作通常消弥狭窄的间断和长细的鸿沟，消除小的空洞，并填补轮廓线中的断裂。
Mat element = getStructuringElement(MORPH_RECT, Size(4, 4));
Mat element2 = getStructuringElement(MORPH_RECT, Size(4, 4));
Mat imgDilate, imgErode, imgOpen, imgClose;
dilate(blue_imgThresholded, imgDilate, element2);//膨胀erode(blue_imgThresholded, imgErode, element2);//腐蚀morphologyEx(blue_imgThresholded, imgOpen, MORPH_OPEN, element);//开操作
morphologyEx(blue_imgThresholded, imgClose, MORPH_CLOSE, element);//闭操作
关于图形学的操作，在机械工业出版社的《计算机视觉》(2005.3)一书中的习题3.8介绍了齿轮检查的方法。不好意思版本有点旧，这里也不能整体搬运。有兴趣的朋友可以阅读一下相关的内容。后面有机会我复现一下相关操作再给大家介绍一下。
~关于OCR的内容后面还会持续更新~
~笔者水平有限~
文案/主堕妖
排版/芷若
China's Prices Project
微信号：XMUCPP2016
项目专栏：China's Prices Project- 知乎专栏
联系邮箱（项目负责人iGuo）:
zhangguocpp@163.com
