正好手头有个demo，这里尽量用最简单的思路介绍一下。
说明，这个是给零基础的同学看的，不需要任何计算机基础。
同样，这个处理思路忽略了非常多的细节，只是为了让大家更好地理解原理而已。
1。首先看下如何提取特征，看这么多数字，眼睛都花了。
2。简单说就是把数字划分成很多很多的小块，比如下图这样：
每个数字被划分成了4*5=20个小块。
分好了小块以后，其实我们要知道每个小块是由很多个像素构成的。
或者这样理解，每个小块其实可以划分为更多的小块，即每个小块是由很多个更小的块构成的。
比如每个小块可能是100*100个更小的小块构成的。
为了叙述上的方便，把小块记为B（Bigger），更小的块记为S(Smaller)。
因此，比如数字8，是由5行4列共计：5*4=20个小块B构成。
每个小块B内其实是由100*100=100000个像素（更小块S）构成的。
3。数一下每个小块B内，有多少个黑色的像素。
或者这样理解，每个小块B内有多少个更小块S是黑色的。
比如第一行：
以此类推，可以计算出每一行的每一个小块B的数字是多少，写好就好了。
这就是数字的特征，如果仔细观察，每个数字的特征是不一样的。
因为他们的每个小块B内的数字是不一致的。
4。为了方便，我们把得到的特征，排成一排（数组）就好了。
5。所以，我们可以看看数字8的特征，其实就是一堆数字（数组）构成的。
6。照着葫芦画瓢，每个数字的特征其实都是一堆数字构成的。
这个数字类似于我们的身份证号码，一般来说，是独一无二的。
7。那识别是怎么回事呢？
就是比较要识别的数字特征和步骤6中的哪个数字的特征最接近就好了。
这里为了方便，假设要识别数字「8」，然后看看怎么从一堆（为了方便只有两个）数字里面选出来他到底应该是几？
8。当然，为了方便，特征简化了，我们假设每个数字只有4个特征值了。
9。这里要用到一个欧氏距离的概念。
简单点说，就是有一个罪犯，经过警察叔叔的缜密侦查，发现他的身高 约 是175cm（通过脚印就可以判断出身高，大家自己百度一下）。
警察过来抓人了，两个已知嫌疑人，一个A身高176cm，另外一个B身高168厘米。
那我计算一下，取绝对值就好了：
那当然，罪犯就是身高176cm的A了。
当然，由于当前不仅仅有身高，还有体重，那就要综合计算身高和体重了。
为了更好地计算，就用到公式：
看起来很复杂，简单说就是把所有的差值取平方和后开根号。
这就是一种计算方法，不理解原理其实也没有关系，总之就是计算一下，知道怎么计算就行了。
10。看看罪犯和嫌疑人的相似程度。
好了，计算一下要识别的这个图像（图中待识别右侧的8，这里我们假装不认识他）和数据库里面保存的数字8的欧式距离吧！
恩，计算就是把每个对应的特征值相减，取平方，计算和，开根号。
得到结果，当前结果是根号3.
11。再次计算罪犯和另外一个嫌疑人的相似程度。
好了，计算要识别的图像和数据库里面的数字7的特征值进行比较。
恩，绿色部分是我们的计算结果，根号7322.
12。识别
罪犯和嫌疑人的计算差异值，一个是根号3，另外一个是根号7322.
距离小的是识别结果。
这里，根号3是识别结果，所以，要识别的图像是数字8.
这就是识别过程了。
可以用图表示一下：
在提取特征前，图像可能是彩色的，就先把他处理为二值的，这样好方便计算其中黑色小块的个数。
写得比较匆忙，欢迎大家对细节提出改进意见。谢谢。
版权所有，转载请私信联系。
本文已经写入【OpenCV轻松入门】（电子工业出版社，2019）、【计算机视觉40例】（电子工业出版社，2022）。
