本週學習了手寫數字識別
////////////////////////////////////////////////////////////////////////////////////////////////////
我先嚐試了第一種方法：基於輪廓查找的識別方法
這種方法主要運用了兩個函數：findcontour和 drawcontour
其中，第一個函數可以實現對於數字圖像的輪廓查找，將查找到的點通過點向量的形式保存在了contour（爲findcontour的第二個函數參數）中，然後通過drawcontour將查找到的輪廓描出來！
NOTE:需要注意的是，這兩個函數是共同使用的，即有find則有draw。最重要的一點是他們共同使用了contour中的數據，換句話說，findcontour查找到了二值圖像中的點向量信息（必須是二值圖像，而且還必須是黑底白字貌似才能查找），然後在drawcontour函數中，就回會得到contour的數據。
好處在於，灰度圖得到的數據，可以在原彩色圖中被利用，從而實現了彩色圖像數據的檢測。
如圖所示：
通過上圖可以看出，我們獲得了contour是（函數的第二個參數）後，將org彩色圖給了lunkuo，在原圖上就可以檢測出數字。
NOTE:這裏有一個問題一定要注意！！！！
（1）函數findcontours從二值圖像中提取輪廓，並且返回提取輪廓的數目。指針First_contour的內容由函數填寫。它包含第一個最外層輪廓的指針，如果指針爲NULL，則沒有檢測到輪廓（比如圖像全部爲黑）。
（2）在做閾值處理時，一定要注意最終二值圖像必須爲黑底白字，如果是白底黑字，那麼我們就需要用：
如果此處我們改爲白底黑字，即CV_THRESH_BINARY，則會出現了誤檢情況，如圖所示，最外層紅色大框爲誤檢測！！
而正常情況下黑底白字，能夠正常識別，這點需要注意！
（3）注意：findContours()運行的時候，這個圖像會被直接塗改，因此如果是將來還有用的圖像，應該複製之後再傳給findContours()。
即不能將經過findcontour處理運行後的圖像在顯示或者拿來用，因爲該圖片已經被處理過了！！這就需要重新引用原圖！！
此處我將findcontour運行過的out圖直接拿來進行輪廓檢測，結果出現瞭如下情況：
圖像變成了黑色，但是我設置斷點運行，並且查看打了contour中確實有返回參數，即輪廓參數時正常的，這就驗證了上面所說的觀點。即indContours()運行的時候，這個圖像會被直接塗改！！
因此，不能將處理過後的out拿來運行。
所以正確的操作應該是：
//////////////////////////////////////////////////////////////////////////////////////////////
EXAMPLE在二值圖像中，進行檢測:實測:
如圖所示：
(1)我們輸入一個經過處理後的圖像: 該圖像我們定義爲org（原圖）
(2) 我們將原圖org經過處理反二值變化濾波後得到了圖像out（輸出）
findContours(out, contours,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);//查找所有外輪廓，輸入圖像必須爲二值圖
使用find contour查找輪廓（NOTE:1)必須二值圖像2）必須爲黑底白字）
我們用藍色描繪出字體，處理流程結果如上圖所示。
（3）進行檢測
此處在findContours(out, contours,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE)
我們需要知道：
1. MODE 4種類型：
CV_RETR_EXTERNAL 只檢測出最外輪廓即c0。圖2中第一個輪廓指向最外的序列，除此之外沒有別的連接。
CV_RETR_LIST 檢測出所有的輪廓並將他們保存到表(list)中，圖2中描繪了這個表，被找到的9條輪廓相互之間由h_prev和h_next連接。這裏並沒有表達出縱向的連接關係，沒有使用v_prev和v_next.
CV_RETR_COMP 檢測出所有的輪廓並將他們組織成雙層的結構，第一層是外部輪廓邊界，第二層邊界是孔的邊界。從圖2可以看到5個輪廓的邊界，其中3個包含孔。最外層邊界c0有兩個孔，c0之間的所有孔相互間由h_prev和h_next指針連接。
CV_RETR_TREE 檢測出所有輪廓並且重新建立網狀的輪廓結構。圖2中，根節點是最外層的邊界c0，c0之下是孔h00，在同一層中與另一個孔h01相連接。同理，每個孔都有子節點(相對於c000和c010)，這些子節點和父節點被垂直連接起來。這個步驟一直持續到圖像最內層的輪廓，這些輪廓會成爲樹葉節點。
2. METHOD 5個值
CV_CHAIN_CODE 用freeman鏈碼輸出輪廓，其他方法輸出多邊形(頂點的序列)。
CV_CHAIN_APPROX_NONE將鏈碼編碼中的所有點轉換爲點序列形式（差不多就是把所有點都描出來）。
CV_CHAIN_APPROX_SIMPLE壓縮水平，垂直或斜的部分，只保存最後一個點。
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_QPPROX_TC89_KCOS使用Teh-Chin鏈逼近算法中的一個。
CV_LINK_RUNS與上述的算法完全不同，連接所有的水平層次的輪廓。
此處：我們選擇CHAIN_APPROX_SIMPLE，可以成功識別所有數字和字母。
如果使用CHAIN_APPROX_NONE, 字幕E無法檢測出來。
//////////////////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////////////////
以上所描述的方法，仍存在以下問題：
（1）輸入的圖像是經過二次截圖後的二值圖像，最開始無法單獨檢測，再次截圖後，加載截圖後的圖像，才能分別檢測出三個字符。
這個問題可以從修改程序，定義一個有返回值return的函數，讓它把二次處理後的圖片直接return給主函數。
（2）是否可以使用canny 邊緣檢測處理。
預處理思路爲：灰度→二值（自適應or大津閾值（參考車道線檢測））→腐蝕→canny檢測
（3）如何去除圖像邊緣的白色干擾？？
S1 : 運用車牌號檢測程序的方法，自動截取上下左右邊界，從而去除外邊界框的干擾
S2 : 設置感興趣ROI區域？
S3 : 結合實際，我們發現第一次檢測往往會出現將三個數字都框起來的誤檢情況，能夠將第一次誤檢框出的圖片自動截取保存，然後在次基礎上，進行第二次輪廓檢測，從而實現分別檢測。（具體過程實際和上文方法一樣，上文程序的實現，就是手動截取了第一次三個數都框起來的圖片，然後重新輸入後，得到的檢測結果）
該方法可以驗證！！
（4）可以採用垂直投影方法檢測
混合方法：用輪廓檢測/或者車牌號 得到理想的區域，使用垂直投影檢測分割。
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);//選定roi
// resize(pic,pic,Size(128,128));//把切割的圖片縮放成1128*1128
imwrite(rectnum, pic);
imshow(file, pic);
}