芯片字符识别

上传者: 32768679 | 上传时间: 2021-07-25 22:11:58 | 文件大小: 1.76MB | 文件类型: ZIP
博客配套代码:https://blog.csdn.net/qq_32768679/article/details/89337710 0 ——mask0 ,**基于颜色阈值法+找轮廓实现**; mask0——mask1,全局矩阵腐蚀算法,定义一个合适大小的矩阵,遍历扫描,扫描到矩阵平均像素值小于一定值,就全部赋值0。 mask1——mask2,边界腐蚀算法,定义一个偏大的矩阵,只扫描四个边界,如果满足平均像素值大于一定值,则赋值0,然后内层扫描都同上一次操作,完成该层后该边界扫描完成。(代码在后面贴出) mask2——result ,通过边界扫描,确定roi范围。 result——result_mask,字符颜色阈值二值化,开闭运算滤除噪点; result_mask——show_char,x、y方向的直方图,先进行行分割,再逐行图片进行列分割,,根据字符直方图波峰数量过滤logo,得出字符。字符进行边缘腐蚀去边处理。 终端中的[ ]内的坐标代表波峰结束的点,只有[0]代表第一个波峰出现的点,两点的距离表示波峰宽度;一定会包含字符,但也会包含一定的波谷区域,所以最后运用边缘腐蚀进行过滤非字符边界区域。

文件下载

资源详情

[{"title":"( 13 个子文件 1.76MB ) 芯片字符识别","children":[{"title":"4_16","children":[{"title":"config.js <span style='color:#111;'> 244B </span>","children":null,"spread":false},{"title":"wangrui","children":[{"title":"1.jpg <span style='color:#111;'> 74.57KB </span>","children":null,"spread":false},{"title":"zhaolongkuo.py <span style='color:#111;'> 3.59KB </span>","children":null,"spread":false},{"title":"qiege.py <span style='color:#111;'> 1.98KB </span>","children":null,"spread":false},{"title":"F:hhh.jpg <span style='color:#111;'> 26.11KB </span>","children":null,"spread":false}],"spread":true},{"title":"show3.png <span style='color:#111;'> 21.21KB </span>","children":null,"spread":false},{"title":"show4.png <span style='color:#111;'> 79.18KB </span>","children":null,"spread":false},{"title":"show5.png <span style='color:#111;'> 38.26KB </span>","children":null,"spread":false},{"title":"OCR_GetChar.py <span style='color:#111;'> 14.18KB </span>","children":null,"spread":false},{"title":"show1.png <span style='color:#111;'> 114.75KB </span>","children":null,"spread":false},{"title":"test.jpeg <span style='color:#111;'> 60.62KB </span>","children":null,"spread":false},{"title":"svm.dat <span style='color:#111;'> 4.32MB </span>","children":null,"spread":false},{"title":"show2.png <span style='color:#111;'> 60.32KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明