正好手頭有個demo，這裏盡量用最簡單的思路介紹一下。
說明，這個是給零基礎的同學看的，不需要任何電腦基礎。
同樣，這個處理思路忽略了非常多的細節，只是為了讓大家更好地理解原理而已。
1。首先看下如何提取特征，看這麽多數位，眼睛都花了。
2。簡單說就是把數位劃分成很多很多的小塊，比如下圖這樣：
每個數位被劃分成了4*5=20個小塊。
分好了小塊以後，其實我們要知道每個小塊是由很多個像素構成的。
或者這樣理解，每個小塊其實可以劃分為更多的小塊，即每個小塊是由很多個更小的塊構成的。
比如每個小塊可能是100*100個更小的小塊構成的。
為了敘述上的方便，把小塊記為B（Bigger），更小的塊記為S(Smaller)。
因此，比如數位8，是由5行4列共計：5*4=20個小塊B構成。
每個小塊B內其實是由100*100=100000個像素（更小塊S）構成的。
3。數一下每個小塊B內，有多少個黑色的像素。
或者這樣理解，每個小塊B內有多少個更小塊S是黑色的。
比如第一行：
以此類推，可以計算出每一行的每一個小塊B的數位是多少，寫好就好了。
這就是數位的特征，如果仔細觀察，每個數位的特征是不一樣的。
因為他們的每個小塊B內的數位是不一致的。
4。為了方便，我們把得到的特征，排成一排（陣列）就好了。
5。所以，我們可以看看數位8的特征，其實就是一堆數位（陣列）構成的。
6。照著葫蘆畫瓢，每個數位的特征其實都是一堆數位構成的。
這個數位類似於我們的身份證號碼，一般來說，是獨一無二的。
7。那辨識是怎麽回事呢？
就是比較要辨識的數位特征和步驟6中的哪個數位的特征最接近就好了。
這裏為了方便，假設要辨識數位「8」，然後看看怎麽從一堆（為了方便只有兩個）數位裏面選出來他到底應該是幾？
8。當然，為了方便，特征簡化了，我們假設每個數位只有4個特征值了。
9。這裏要用到一個歐氏距離的概念。
簡單點說，就是有一個罪犯，經過警察叔叔的縝密偵查，發現他的身高 約 是175cm（透過腳印就可以判斷出身高，大家自己百度一下）。
警察過來抓人了，兩個已知嫌疑人，一個A身高176cm，另外一個B身高168厘米。
那我計算一下，取絕對值就好了：
那當然，罪犯就是身高176cm的A了。
當然，由於當前不僅僅有身高，還有體重，那就要綜合計算身高和體重了。
為了更好地計算，就用到公式：
看起來很復雜，簡單說就是把所有的差值取平方和後開根號。
這就是一種計算方法，不理解原理其實也沒有關系，總之就是計算一下，知道怎麽計算就行了。
10。看看罪犯和嫌疑人的相似程度。
好了，計算一下要辨識的這個影像（圖中待辨識右側的8，這裏我們假裝不認識他）和資料庫裏面保存的數位8的歐式距離吧！
恩，計算就是把每個對應的特征值相減，取平方，計算和，開根號。
得到結果，當前結果是根號3.
11。再次計算罪犯和另外一個嫌疑人的相似程度。
好了，計算要辨識的影像和資料庫裏面的數位7的特征值進行比較。
恩，綠色部份是我們的計算結果，根號7322.
12。辨識
罪犯和嫌疑人的計算差異值，一個是根號3，另外一個是根號7322.
距離小的是辨識結果。
這裏，根號3是辨識結果，所以，要辨識的影像是數位8.
這就是辨識過程了。
可以用圖表示一下：
在提取特征前，影像可能是彩色的，就先把他處理為二值的，這樣好方便計算其中黑色小塊的個數。
寫得比較匆忙，歡迎大家對細節提出改進意見。謝謝。
版權所有，轉載請私信聯系。
本文已經寫入【OpenCV輕松入門】（電子工業出版社，2019）、【電腦視覺40例】（電子工業出版社，2022）。
