本文区分” 问题引出“、” 概念抽象 “、” 算法实现“三个部分 由表及里具体讲解OpenCV图像处理中“投影技术”的使用 ，并通过”答题卡识别“” OCR字符分割”“ 压板识别 ”“ 轮廓展开分析”四个的例子具体讲解算法使用。使得读者能够对 “投影技术”加速认识和理解，从而在解决具体问题的时候多一个有效方法。
一、问题引出“
我第一次集中遇到需要“投影”技术解决的问题，是在“答题卡”项目中。
标准图 | 实际采集图 |
|
|
在这样采集到的图像中，大量存在黑色的定位区块：
如果进一步定位，可以得到这样的结果：
如果做成连续图像
在这波峰波谷中，存在着的“量化”结果，对应了答题卡中的定位关系。
二、概念抽象
在前面的分析里，我们已经基本建立起“投影”的概念。从离散的角度来说，也就是:
局部最大值：F(x)>F(x−1)且F(x)>F(x+1)
局部最小值：F(x)<F(x−1)且F(x)<F(x+1)
类似于求极值、求切线等的情况。
三、算法实现
//投影到x或Y轴上,上波形为vup,下波形为vdown,gap为误差间隔 void projection2(Mat src,vector < int > & vup,vector <
int > & vdown, int direction = DIRECTION_X, int gap = 10); void projection2(Mat src, vector < int > & vup, vector <
int > & vdown, int direction, int gap) {
Mat tmp = src.clone();
vector < int > vdate; if (DIRECTION_X == direction) { for ( int i = 0; i < tmp.cols; i
++) {
Mat data = tmp.col(i); int itmp = countNonZero(data);
vdate.push_back(itmp);
}
} else { for ( int i = 0; i < tmp.rows; i
++) {
Mat data = tmp.row(i); int itmp = countNonZero(data);
vdate.push_back(itmp);
}
} //整形,去除长度小于gap的零的洞 if (vdate.size() < = gap) return; for ( int i = 0; i < vdate.size()
- gap; i
++) {
if (vdate[i] > 0 && vdate[i
+ gap]
>
0) {
for ( int j = i; j < i + gap; j
++) {
vdate[j] = 1;
}
i = i + gap -
1;
}
} //记录上下沿 for ( int i = 1; i < vdate.size(); i
++) {
if (vdate[i - 1] ==
0
&& vdate[i]
>
0)
vup.push_back(i); if (vdate[i - 1] >
0
&& vdate[i]
==
0)
vdown.push_back(i);
}
}
在具体使用过程中，注意相关控制变量的管理。
四、问题迁移
1 、OCR字符分割
通过看字符的特点，里面加了一些单个点的干扰，可以通过纵向投影来过滤，编写代码，查看特征
在这样的OCR识别中，首先可以通过投影的方法，实现字符的分割。
2、
压板识别
在这样的项目中，同样可以通过投影的方法，获得各个压板的准确定位。
3、轮廓展开分析
在类似树叶这样的测量中，可以通过“极坐标转换”，将树叶的这样的曲线转换成可以分析的投影，从而得到比如“树叶有多少个分叉”“有无缺陷”这样的定量信息。
