手写算式识别-上

手写算式的输入的形式，有2种:拍照、手绘。照片要经过图像处理之后，才能 进行切割;而手绘可直接采集像素轨迹，就省掉了这一步。对于照片的预处理，需要二值化和降噪才能把手写数字区域抠出来。

往往图片还有一些背景，就变得有些麻烦了。只是去噪，就想把手写的算式分解出来，好像有点悬。试了一下Canny 算子检测边缘，还挺有效果的。这借助OpenCV的API很容易实现。

我们这种要求手写不黏连的情况，把Canny输出的二值图像往X轴投影，就能得出每个数字的横向跨度和坐标。但不黏连也有笔画上下重叠的情况，那就得写个算法去绕圈了，或者估计一下字符宽度硬裁剪。哎，先不考虑这么复杂了。

图像处理的算法，自己实现还挺麻烦的，但用OpenCV也是大材小用，就在CSDN和GitHub各找了一份Canny实现代码。发现GitHub上的实现出奇的好，而CSDN上忽略了很多实现的细节，很难实用。（下图是Canny结果）

接着，我就发现实用Canny边缘检测法，虽然纯净噪点少，但算式变成空心字了，关键是还断线，无法使用FloodFill（泛水）算法填充。不过，也不少一点用处没有，至少可以用来切割，容易检测每个字符的边界。

经过Canny算子处理之后，切割图像就非常容易了。把Canny输出的二值图像，在 水平方向上投影，对数字进行竖向分割;同理，在纵向再做一次，就能切割得紧凑一 些。以上，就是在原图上切割的效果。

Minist数据集是白底黑字的，使用它训练出来的模型，就很难识别我们的手写算式。 所以，有必要在二值图像上切割。

好像，还是乖乖地不是黑底白字面临的问题是，怎么填充啊，怎么填充？感觉图像处理看的不多，一时有点恍惚了。使用我的洪荒之力，发现膨胀一下像素点就可以~

接下来，就剩尺寸标准化了。要做成Minist那样的28 × 28像素就很简单了，缩放一下图片就行。

下回继续~