如何從零開始搭建openCV IOS 工程

首先網(wǎng)載opencv,安裝（其實解壓） 解壓安裝完找路徑記錄 打vs2015,新建空白c++控制臺程序 新建完找屬性右鍵添加配置文件注意編譯環(huán)境 雙擊打配置文件c/c++附加包含目錄指定路徑inlcude文件目錄 點擊鏈接器附加庫目錄指定目錄lib面 鏈接器-》輸入指定lib文件該文件名lib目錄查看 samplecpp文件添加工程運行即

成都創(chuàng)新互聯(lián)公司服務(wù)緊隨時代發(fā)展步伐，進(jìn)行技術(shù)革新和技術(shù)進(jìn)步，經(jīng)過十余年的發(fā)展和積累，已經(jīng)匯集了一批資深網(wǎng)站策劃師、設(shè)計師、專業(yè)的網(wǎng)站實施團(tuán)隊以及高素質(zhì)售后服務(wù)人員，并且完全形成了一套成熟的業(yè)務(wù)流程，能夠完全依照客戶要求對網(wǎng)站進(jìn)行做網(wǎng)站、成都網(wǎng)站建設(shè)、建設(shè)、維護(hù)、更新和改版，實現(xiàn)客戶網(wǎng)站對外宣傳展示的首要目的，并為客戶企業(yè)品牌互聯(lián)網(wǎng)化提供全面的解決方案。

z

如何在iOS開發(fā)中使用opencv這個框架對圖像進(jìn)行二值化等處理

opencv里面有相應(yīng)的二值化的接口，你可以查找下，另外，如果實在沒有

自己其實也可以編寫一個二值化的接口

如何編譯OpenCV進(jìn)行IOS7

編譯的Xcode項目失敗，出現(xiàn)以下錯誤： “缺少必需的架構(gòu)arm64在文件/用戶/ * / Git/ocr/opencv2。 它運作良好，如果我改變架構(gòu)（構(gòu)建設(shè)置下）（ARMv7的，armv7s），而不是（ARMv7的，armv7s）。 如何更改opencv的python構(gòu)建腳本，添加arm64支持opencv2。

1. micahp的回答幾乎是完美的，但錯過了模擬器版本。因此，修改平臺/ IOS /到： targets = ["iPhoneOS", "iPhoneOS", "iPhoneOS", "iPhoneSimulator", "iPhoneSimulator"]

archs = ["armv7", "armv7s", "arm64", "i386", "x86_64"]

你需要下載行工具Xcode的5.0.1，然后運行 python opencv/platforms/ios/build_framework.py ios

2. 我修改了以下內(nèi)容，使之建立，雖然我還沒有得到一個arm64 iOS設(shè)備進(jìn)行測試的 編輯：我也只好跟著 假設(shè)“OPENCV”是包含從Github上的opencv源文件夾： 在每個gzlib.c, gzread.c, gzwrite.c位于opencv/3rdparty/zlib/地址： #include unistd.h

在頂部后，原有的包括。 另外開opencv/platforms/ios/cmake/Modules/Platform/iOS.cmake并從改線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")

在另外改變buildscriptopencv/platforms/ios/build_framework.py在99線和100從： targets = ["iPhoneOS", "iPhoneOS", "iPhoneSimulator"]

archs = ["armv7", "armv7s", "i386"]

到： targets = ["iPhoneOS", "iPhoneOS", "iPhoneOS", "iPhoneSimulator", "iPhoneSimulator"]

archs = ["armv7", "armv7s", "arm64", "i386", "x86_64"]

所得到的庫將包括以下內(nèi)容： $ xcrun -sdk iphoneos lipo -info opencv2

Architectures in the fat file: opencv2 are: armv7 armv7s i386 x86_64 arm64

雖然我有一個關(guān)于剩余的關(guān)注opencv/platforms/ios/cmake/Toolchain-iPhoneOS_Xcode.cmake它定義了一個數(shù)據(jù)指針的大小為4的行14和17。它應(yīng)該是8的64位我想，這樣我沒有測試過，如果庫工作arm64我會建議進(jìn)一步研究在這一點上，如果它不能正常運行。

3. 嘗試等待下個月。將發(fā)布新的XCode具有更強(qiáng)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)

iOS-集成OpenCV框架實現(xiàn)簡單功能、

OpenCV（Open Source Computer Vision Library）是一個開源的計算機(jī)視覺庫，它提供了很多函數(shù)，這些函數(shù)非常高效地實現(xiàn)了計算機(jī)視覺算法（最基本的濾波到高級的物體檢測皆有涵蓋）。

iOS官方參考文檔：

我這里使用的版本是 4.0.1

OpenCV相關(guān)的頭文件必須在 #import "ViewController.h" 之前導(dǎo)入，否則連接錯誤。

凡是導(dǎo)入OpenCV頭文件的類，都需要 把相應(yīng)類后綴名.m改為.mm 。我這里在 ViewController 控制器上進(jìn)行操作，所以改為： ViewController.mm 。

ios opencv 怎么實現(xiàn)文字識別

這里寫下OpenCV下OCR的流程：

1. 特征提取

2. 訓(xùn)練

3. 識別

特征提取

1. 在圖像預(yù)處理后，提取出字符相關(guān)的ROI圖像，并且大小歸一化，整個圖像的像素值序列可以直接作為特征。damiles是直接將整個字符圖像轉(zhuǎn)換化為vector向量特征作為特征輸入的。

2. 但直接將整個圖像作為特征數(shù)據(jù)維度太高，計算量太大，所以也可以進(jìn)行一些降維處理，減少輸入的數(shù)據(jù)量。拿到字符的ROI圖像，二值化。將圖像分塊，然后統(tǒng)計每個小塊中非0像素的個數(shù)，這樣就形成了一個較小的矩陣，這矩陣就是新的特征了。

UCI就是這么處理，詳見其說明

OpenCV中l(wèi)etter_recog例子就是使用的其特征數(shù)據(jù)。

訓(xùn)練與識別

訓(xùn)練與識別一般都采用同一種機(jī)器學(xué)習(xí)方法：

DAMILES應(yīng)用了KNearest方法，對輸入數(shù)據(jù)進(jìn)行訓(xùn)練和識別。

1. 數(shù)據(jù)輸入：

getData（）函數(shù)中：

為trainData和trainClasses設(shè)置數(shù)據(jù)。

2. 初始化機(jī)器學(xué)習(xí)算法，及其訓(xùn)練

knn=new CvKNearest( trainData, trainClasses, 0, false, K );

trainData, trainClasses數(shù)據(jù)已得到。

而K是分類的數(shù)目。

訓(xùn)練在CvKNearest算法初始化中已經(jīng)完成

3. 識別

獲取識別測試的數(shù)據(jù)，testData

result=knn-find_nearest(testData,K,0,0,nearest,0);

result為識別的結(jié)果。

而OpenCV自帶例子中，提供了boost，mlp，knearest，nbayes，svm，rtrees這些機(jī)器學(xué)習(xí)方法，進(jìn)行訓(xùn)練和識別。

處理的步驟和方式都類似。

這些例子的識別率不是很高，OCR識別率在90%以上才有較好的使用意義，所以，OCR還需要更多特征和分析方法，來提高識別率，tesseract是一個不錯的開源OCR引擎。

-------------------

在tesseract最初的字體庫里，一種字體的字符樣本庫包括：94個字符，8種大小，4種字體（正常，粗體，斜體，斜粗體），每種20個樣本，共60160個樣本。

與UIC提供的字體庫不同的是，tesseract提供的是標(biāo)準(zhǔn)印刷體字體庫的識別，而UIC提供是手寫體handwriting的特征數(shù)據(jù)。

數(shù)據(jù)之美提到，G公司（應(yīng)該就是google了）的研究結(jié)果表明，在自然語言與機(jī)器翻譯領(lǐng)域，簡單模型加上大量有效樣本數(shù)據(jù)，比復(fù)雜模型加上小樣本數(shù)據(jù)，有效的多。 這個結(jié)論應(yīng)該適用機(jī)器學(xué)習(xí)的很多領(lǐng)域。運算足夠快，樣本足夠大，即使簡單的模型，效果可能會出人意料。

由此可見，收集有效的、大量的樣本庫是多么的重要。

如何在 iOS 工程中使用 OpenCV

opencv里面有相應(yīng)的二值化的接口，你可以查找下，另外，如果實在沒有 自己其實也可以編寫一個二值化的接口

如有疑問追問，如滿意記得采納，

如果有其他問題也可點我名字向我求助

答題不易，

如果沒有回答完全，請您諒解，

請采納最快回答的正確答案！！謝謝！