13518219792
首先网载opencv,安装（其实解压） 解压安装完找路径记录 打vs2015,新建空白c++控制台程序 新建完找属性右键添加配置文件注意编译环境 双击打配置文件c/c++附加包含目录指定路径inlcude文件目录 点击链接器附加库目录指定目录lib面 链接器-》输入指定lib文件该文件名lib目录查看 samplecpp文件添加工程运行即
成都创新互联公司服务紧随时代发展步伐，进行技术革新和技术进步，经过十余年的发展和积累，已经汇集了一批资深网站策划师、设计师、专业的网站实施团队以及高素质售后服务人员，并且完全形成了一套成熟的业务流程，能够完全依照客户要求对网站进行做网站、成都网站建设、建设、维护、更新和改版，实现客户网站对外宣传展示的首要目的，并为客户企业品牌互联网化提供全面的解决方案。
z
opencv里面有相应的二值化的接口，你可以查找下，另外，如果实在没有
自己其实也可以编写一个二值化的接口
编译的Xcode项目失败，出现以下错误： “缺少必需的架构arm64在文件/用户/ * / Git/ocr/opencv2。 它运作良好，如果我改变架构（构建设置下）（ARMv7的，armv7s），而不是（ARMv7的，armv7s）。 如何更改opencv的python构建脚本，添加arm64支持opencv2。
1. micahp的回答几乎是完美的，但错过了模拟器版本。因此，修改平台/ IOS /到： targets = ["iPhoneOS", "iPhoneOS", "iPhoneOS", "iPhoneSimulator", "iPhoneSimulator"]
archs = ["armv7", "armv7s", "arm64", "i386", "x86_64"]
你需要下载行工具Xcode的5.0.1，然后运行 python opencv/platforms/ios/build_framework.py ios
2. 我修改了以下内容，使之建立，虽然我还没有得到一个arm64 iOS设备进行测试的 编辑：我也只好跟着 假设“OPENCV”是包含从Github上的opencv源文件夹： 在每个gzlib.c, gzread.c, gzwrite.c位于opencv/3rdparty/zlib/地址： #include unistd.h
在顶部后，原有的包括。 另外开opencv/platforms/ios/cmake/Modules/Platform/iOS.cmake并从改线88： set (CMAKE_OSX_ARCHITECTURES "$(ARCHS_STANDARD_32_BIT)" CACHE string "Build architecture for iOS")
到： set (CMAKE_OSX_ARCHITECTURES "$(ARCHS_STANDARD_INCLUDING_64_BIT)" CACHE string "Build architecture for iOS")
在另外改变buildscriptopencv/platforms/ios/build_framework.py在99线和100从： targets = ["iPhoneOS", "iPhoneOS", "iPhoneSimulator"]
archs = ["armv7", "armv7s", "i386"]
到： targets = ["iPhoneOS", "iPhoneOS", "iPhoneOS", "iPhoneSimulator", "iPhoneSimulator"]
archs = ["armv7", "armv7s", "arm64", "i386", "x86_64"]
所得到的库将包括以下内容： $ xcrun -sdk iphoneos lipo -info opencv2
Architectures in the fat file: opencv2 are: armv7 armv7s i386 x86_64 arm64
虽然我有一个关于剩余的关注opencv/platforms/ios/cmake/Toolchain-iPhoneOS_Xcode.cmake它定义了一个数据指针的大小为4的行14和17。它应该是8的64位我想，这样我没有测试过，如果库工作arm64我会建议进一步研究在这一点上，如果它不能正常运行。
3. 尝试等待下个月。将发布新的XCode具有更强大的32/64位支持。
4. 修改“到： def build_framework(srcroot, dstroot):
"main function to do all the work"
targets = ["iPhoneOS", "iPhoneOS", "iPhoneOS", "iPhoneSimulator"]
archs = ["armv7", "armv7s", "arm64", "i386"]
for i in range(len(targets)):
build_opencv(srcroot, os.path.join(dstroot, "build"), targets[i], archs[i])
put_framework_together(srcroot, dstroot)
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了很多函数，这些函数非常高效地实现了计算机视觉算法（最基本的滤波到高级的物体检测皆有涵盖）。
iOS官方参考文档：
我这里使用的版本是 4.0.1
OpenCV相关的头文件必须在 #import "ViewController.h" 之前导入，否则连接错误。
凡是导入OpenCV头文件的类，都需要 把相应类后缀名.m改为.mm 。我这里在 ViewController 控制器上进行操作，所以改为： ViewController.mm 。
这里写下OpenCV下OCR的流程：
1. 特征提取
2. 训练
3. 识别
特征提取
1. 在图像预处理后，提取出字符相关的ROI图像，并且大小归一化，整个图像的像素值序列可以直接作为特征。damiles是直接将整个字符图像转换化为vector向量特征作为特征输入的。
2. 但直接将整个图像作为特征数据维度太高，计算量太大，所以也可以进行一些降维处理，减少输入的数据量。拿到字符的ROI图像，二值化。将图像分块，然后统计每个小块中非0像素的个数，这样就形成了一个较小的矩阵，这矩阵就是新的特征了。
UCI就是这么处理，详见其说明
OpenCV中letter_recog例子就是使用的其特征数据。
训练与识别
训练与识别一般都采用同一种机器学习方法：
DAMILES应用了KNearest方法，对输入数据进行训练和识别。
1. 数据输入：
getData（）函数中：
为trainData和trainClasses设置数据。
2. 初始化机器学习算法，及其训练
knn=new CvKNearest( trainData, trainClasses, 0, false, K );
trainData, trainClasses数据已得到。
而K是分类的数目。
训练在CvKNearest算法初始化中已经完成
3. 识别
获取识别测试的数据，testData
result=knn-find_nearest(testData,K,0,0,nearest,0);
result为识别的结果。
而OpenCV自带例子中，提供了boost，mlp，knearest，nbayes，svm，rtrees这些机器学习方法，进行训练和识别。
处理的步骤和方式都类似。
这些例子的识别率不是很高，OCR识别率在90%以上才有较好的使用意义，所以，OCR还需要更多特征和分析方法，来提高识别率，tesseract是一个不错的开源OCR引擎。
-------------------
在tesseract最初的字体库里，一种字体的字符样本库包括：94个字符，8种大小，4种字体（正常，粗体，斜体，斜粗体），每种20个样本，共60160个样本。
与UIC提供的字体库不同的是，tesseract提供的是标准印刷体字体库的识别，而UIC提供是手写体handwriting的特征数据。
数据之美提到，G公司（应该就是google了）的研究结果表明，在自然语言与机器翻译领域，简单模型加上大量有效样本数据，比复杂模型加上小样本数据，有效的多。 这个结论应该适用机器学习的很多领域。运算足够快，样本足够大，即使简单的模型，效果可能会出人意料。
由此可见，收集有效的、大量的样本库是多么的重要。
opencv里面有相应的二值化的接口，你可以查找下，另外，如果实在没有 自己其实也可以编写一个二值化的接口
如有疑问追问，如满意记得采纳，
如果有其他问题也可点我名字向我求助
答题不易，
如果没有回答完全，请您谅解，
请采纳最快回答的正确答案！！谢谢！
