更新

效果

先看效果吧。



效果極佳，

方法

1.製作模板

將分割出來的數字，效果很不錯的當作我們的模板，後面用作匹配，C L :都當作數字處理

2.讀入模板，

這裡我通過建立三維陣列，採用for迴圈讀入
注意，讀取時候，要加0引數，不然會以三通道方式讀取。

templatepath="C:\\Users\\mechrevo\\Desktop\\template\\" #模板
template=np.zeros([dsize,dsize,13],np.uint8) #注意uint8為1通道，預設為 3通道
for i in range(13):
    #print(i)
    template[
 
:,:,i] = cv2.imread(templatepath + "%d.png" %i, 0)

3.讀入分割出來的圖片

將上一節分割出來的20張圖片，都讀入進去，同樣構建三維陣列，for迴圈讀入

img=np.zeros([dsize,dsize,20],np.uint8)
for i in range(20):
   # print(i)
    img[:,:,i] = cv2.imread(root + "%d.png" %i, 0) #記住引數 0 
    #cv2.imshow("s"+ "%d" %i, img[:,:,i])

4.逐一匹配

採用巢狀for迴圈，使得每個分割的影象與模板匹配，算出來的rez值最大的，就是最有可能的字元，這裡採用cv2.TM_CCOEFF_NORMED

res=np.zeros([13],np.float16)

for i in range(20):
    
    for j in range(13):
        
        res[j] = cv2.matchTemplate(img[:,:,i],template[:,:,j],cv2.TM_CCOEFF_NORMED) #注意邏輯
    maxindex  = np.argmax(res)    
    
    if
 
 (maxindex<10 and maxindex >=0): 
        print(maxindex)
    elif (maxindex == 10):
        print("C")
    elif (maxindex == 11):
        print("L")
    elif (maxindex == 12):
        print(":")
#print(res)

看看誰最大，使用np.argmax直接得出答案，在等於10，11，12加入判斷即可
效果如頂部那樣，統計了50張圖，也就是1000個數字，準確率為95.2%

不足

當然演算法還有一些不足之處：
比如：
1.如果字元不為20的話，演算法會出錯，只不過我的資料集90%的圖都是20個字元的，要改進，可以使用檔案操作相關函式
2.對於0和8，或扭曲數字，很容易出錯，有機會我會嘗試卷積神經網路。
3.對於一些扭曲的圖片，兩行直接沒有白色畫素，有很小几率會無法切割行。

總之，這只是一門選修課，我也不願太費心思去繼續改進，有什麼問題可以評論區交流.
等結課後公佈完整程式碼，供大家學習交流。