本周学习了手写数字识别
////////////////////////////////////////////////////////////////////////////////////////////////////
我先尝试了第一种方法：基于轮廓查找的识别方法
这种方法主要运用了两个函数：findcontour和 drawcontour
其中，第一个函数可以实现对于数字图像的轮廓查找，将查找到的点通过点向量的形式保存在了contour（为findcontour的第二个函数参数）中，然后通过drawcontour将查找到的轮廓描出来！
NOTE:需要注意的是，这两个函数是共同使用的，即有find则有draw。最重要的一点是他们共同使用了contour中的数据，换句话说，findcontour查找到了二值图像中的点向量信息（必须是二值图像，而且还必须是黑底白字貌似才能查找），然后在drawcontour函数中，就回会得到contour的数据。
好处在于，灰度图得到的数据，可以在原彩色图中被利用，从而实现了彩色图像数据的检测。
如图所示：
通过上图可以看出，我们获得了contour是（函数的第二个参数）后，将org彩色图给了lunkuo，在原图上就可以检测出数字。
NOTE:这里有一个问题一定要注意！！！！
（1）函数findcontours从二值图像中提取轮廓，并且返回提取轮廓的数目。指针First_contour的内容由函数填写。它包含第一个最外层轮廓的指针，如果指针为NULL，则没有检测到轮廓（比如图像全部为黑）。
（2）在做阈值处理时，一定要注意最终二值图像必须为黑底白字，如果是白底黑字，那么我们就需要用：
如果此处我们改为白底黑字，即CV_THRESH_BINARY，则会出现了误检情况，如图所示，最外层红色大框为误检测！！
而正常情况下黑底白字，能够正常识别，这点需要注意！
（3）注意：findContours()运行的时候，这个图像会被直接涂改，因此如果是将来还有用的图像，应该复制之后再传给findContours()。
即不能将经过findcontour处理运行后的图像在显示或者拿来用，因为该图片已经被处理过了！！这就需要重新引用原图！！
此处我将findcontour运行过的out图直接拿来进行轮廓检测，结果出现了如下情况：
图像变成了黑色，但是我设置断点运行，并且查看打了contour中确实有返回参数，即轮廓参数时正常的，这就验证了上面所说的观点。即indContours()运行的时候，这个图像会被直接涂改！！
因此，不能将处理过后的out拿来运行。
所以正确的操作应该是：
//////////////////////////////////////////////////////////////////////////////////////////////
EXAMPLE在二值图像中，进行检测:实测:
如图所示：
(1)我们输入一个经过处理后的图像: 该图像我们定义为org（原图）
(2) 我们将原图org经过处理反二值变化滤波后得到了图像out（输出）
findContours(out, contours,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);//查找所有外轮廓，输入图像必须为二值图
使用find contour查找轮廓（NOTE:1)必须二值图像2）必须为黑底白字）
我们用蓝色描绘出字体，处理流程结果如上图所示。
（3）进行检测
此处在findContours(out, contours,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE)
我们需要知道：
1. MODE 4种类型：
CV_RETR_EXTERNAL 只检测出最外轮廓即c0。图2中第一个轮廓指向最外的序列，除此之外没有别的连接。
CV_RETR_LIST 检测出所有的轮廓并将他们保存到表(list)中，图2中描绘了这个表，被找到的9条轮廓相互之间由h_prev和h_next连接。这里并没有表达出纵向的连接关系，没有使用v_prev和v_next.
CV_RETR_COMP 检测出所有的轮廓并将他们组织成双层的结构，第一层是外部轮廓边界，第二层边界是孔的边界。从图2可以看到5个轮廓的边界，其中3个包含孔。最外层边界c0有两个孔，c0之间的所有孔相互间由h_prev和h_next指针连接。
CV_RETR_TREE 检测出所有轮廓并且重新建立网状的轮廓结构。图2中，根节点是最外层的边界c0，c0之下是孔h00，在同一层中与另一个孔h01相连接。同理，每个孔都有子节点(相对于c000和c010)，这些子节点和父节点被垂直连接起来。这个步骤一直持续到图像最内层的轮廓，这些轮廓会成为树叶节点。
2. METHOD 5个值
CV_CHAIN_CODE 用freeman链码输出轮廓，其他方法输出多边形(顶点的序列)。
CV_CHAIN_APPROX_NONE将链码编码中的所有点转换为点序列形式（差不多就是把所有点都描出来）。
CV_CHAIN_APPROX_SIMPLE压缩水平，垂直或斜的部分，只保存最后一个点。
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_QPPROX_TC89_KCOS使用Teh-Chin链逼近算法中的一个。
CV_LINK_RUNS与上述的算法完全不同，连接所有的水平层次的轮廓。
此处：我们选择CHAIN_APPROX_SIMPLE，可以成功识别所有数字和字母。
如果使用CHAIN_APPROX_NONE, 字幕E无法检测出来。
//////////////////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////////////////
以上所描述的方法，仍存在以下问题：
（1）输入的图像是经过二次截图后的二值图像，最开始无法单独检测，再次截图后，加载截图后的图像，才能分别检测出三个字符。
这个问题可以从修改程序，定义一个有返回值return的函数，让它把二次处理后的图片直接return给主函数。
（2）是否可以使用canny 边缘检测处理。
预处理思路为：灰度→二值（自适应or大津阈值（参考车道线检测））→腐蚀→canny检测
（3）如何去除图像边缘的白色干扰？？
S1 : 运用车牌号检测程序的方法，自动截取上下左右边界，从而去除外边界框的干扰
S2 : 设置感兴趣ROI区域？
S3 : 结合实际，我们发现第一次检测往往会出现将三个数字都框起来的误检情况，能够将第一次误检框出的图片自动截取保存，然后在次基础上，进行第二次轮廓检测，从而实现分别检测。（具体过程实际和上文方法一样，上文程序的实现，就是手动截取了第一次三个数都框起来的图片，然后重新输入后，得到的检测结果）
该方法可以验证！！
（4）可以采用垂直投影方法检测
混合方法：用轮廓检测/或者车牌号 得到理想的区域，使用垂直投影检测分割。
NOTE:
分割程序：
//************************************* 切割出定位的矩行*********************************///
char filenamew[255];
sprintf_s(filenamew,"定位矩形");
char rectnum[255];
char file[255];
Mat pic;
for (int i = 0; i<contours.size(); i++)
{
sprintf_s(file,"%s%d", filenamew, i);
sprintf_s(rectnum,"%s%d.bmp", filenamew, i);
Rect r = boundingRect(Mat(contours[i]));
pic= yuchuli(r);//选定roi
// resize(pic,pic,Size(128,128));//把切割的图片缩放成1128*1128
imwrite(rectnum, pic);
imshow(file, pic);
}