利用vs10和opencv识别图片类型身份证的号码

遇到的问题：

1 持续灰色图像框

waitkey()要在imshow()之前调用。

2 CvRect 和Rect

CvXXX是C语言的接口，cv::XXX是C++语言的接口。两者混在一起容易出错

3 分类器detectMultiScale各个参数的作用

CascadeClassifier::detectMultiScale（const Mat& image, vector<Rect>& objects, double scaleFactor=1.1，int minNeighbors, int flag）

这里先将图像变成灰度图，对它应用直方图均衡化，做一些预处理的工作。接下来检测人脸，调用detectMultiScale函数，该函数在输入图像的不同尺度中检测物体。

1. image为输入的灰度图像

2. objects为得到被检测物体的矩形框向量组

3. scaleFactor为每一个图像尺度中的尺度参数，默认值为1.1

4. minNeighbors参数为每一个级联矩形应该保留的邻近个数（没能理解这个参数，-_-|||），默认为3

5. flags对于新的分类器没有用（但目前的haar分类器都是旧版的，CV_HAAR_DO_CANNY_PRUNING利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域，CV_HAAR_SCALE_IMAGE就是按比例正常检测，CV_HAAR_FIND_BIGGEST_OBJECT只检测最大的物，CV_HAAR_DO_ROUGH_SEARCH只做初略检测。

4 findContours：在二值图中寻找图像轮廓，本函数将改变输入的二值图(即参数image)内容。

参数说明：

image:二值化图

contours：检测出的轮廓，每个轮廓是一组点的向量。（一般有多个轮廓，定义为 vector<vector<Point>> contours）

hierarchy:可选输出。大概表示轮廓的层次结构，比如某个轮廓的双亲孩子嵌套的轮廓。（具体看文档）

mode：

CV_RETR_EXTERNAL：只获取最外层轮廓。hierarchy[i][2]=hierarchy[i][3]=-1(注意：这种情况当图像边缘有闭合框时只能检测到那个最大的闭合框)

CV_RETR_LIST:不建立hierarchy，返回所有轮廓

CV_RETR_CCOMP：建立两层hierarchy，返回所有轮廓

CV_RETR_TREE：建立嵌套轮廓的完整hierarchy，返回所有轮廓

method：

CV_CHAIN_APPROX_NONE：存储所有点

CV_CHAIN_APPROX_SIMPLE：储存压缩后的点，一般是矩形的四个顶点

CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS：（没用过）

offse：可选偏移。每一个轮廓点的偏移量. 当轮廓是从图像 ROI 中提取出来的时候，使用偏移量有用，因为可以从整个图像上下文来对轮廓做分析.

5 计算结果本应为0，计算机给出类似于-..e-006的结果

因为 PI 是无穷数，计算机精度有限。对于浮点数，一般当其小于某个值的时候可以认为==0

6 warpAffine：对一个图像应用旋转变换

C++:voidwarpAffine(InputArray src, OutputArray dst, InputArray M, Size dsize, int
flags=INTER_LINEAR, intborderMode=BORDER_CONSTANT, const Scalar&
borderValue=Scalar())

src 输入图像 ，可以是1,2,3,4通道

dst 输出图像 ，和src是同样类型和大小

M 2x3的旋转矩阵

dsize 输出图像的大小

flag 插值方法：

INTER_NEAREST：最近邻插值

INTER_LINEAR：线性插值（默认参数）

INTER_AREA：使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于CV_INTER_NN方法

INTER_CUBIC:4x4立方体双插值

INTER_LANCZOS4：lanczos 8领域插值

WARP_INVERSE_MAP 表示M是个逆变换（dst-->src）

borderMode：

“BORDER_TRANSPARENT”:对应于源图像中outliers的目标图像的像素并没有被这个函数改变

“BORDER_CONSTANT”

bordervalue：填充颜色