效果演示：
效果1：静态识别
效果2：动态实时识别
可以看到，虽然不太稳定，但是好歹还是识别出来了的，就是需要调参，然鹅我不是专业的，目前还没有调好。。。 T_T 先这样吧。以后再说。
觉得文章质量可以的，请点个赞哦，谢谢。
前言
最近需要完成使用opencv识别摄像头的LED数字，说实话，这个方向之前从来没有搞过，大概就类似这种：
这种是最理想的情况，但是实际上可能有非常多的噪点，比如：
以上这种情况，还算好了，实际的情况，可能更加复杂，目前先用这种情况的来识别：
方案研究
因为要求在不能联网的情况之下进行识别，而且识别的又是LED数字，不是英文和普通数字，那么就需要自己训练模型。
自己训练模型的话，要么是机器学习，要么是深度学习。 考虑到深度学习比较繁琐，我这个功能相对比较简单，使用机器学习的话，应该就可以实现。但是机器学习有很多的模型和算法，从网上搜集资料，发现使用KNN算法是可以实现的。最原始是借鉴的是手写数字识别，后来发现有别人大概准备好的LED识别的demo，于是结合之前的知识，实现了大概的demo，效果如下：
项目测试demo源码
效果1：静态识别
1. 准备训练素材：
我的路径是：/home/enpht/test/下 ，会防止一个samples/ 文件夹：训练素材是网上下载的，这里我分享出来： 123网盘链接：
opencv和KNN识别LED数字官方版下载丨最新版下载丨绿色版下载丨APP下载-123云盘
将其中的 “knn_test.zip” 解压，将samples文件夹放在指定目录下即可。如果大家用户名跟我不一样，可以在代码中修改
2.pro文件： 新增opencv环境
如果没有安装opencv，请参考我上一篇文章：OpenCV运行gstreamer管道获取相机数据，处理以后，再交给gstreamer显示（QT实现）-CSDN博客
CONFIG += link_pkgconfig
PKGCONFIG += opencv4
LIBS += -L/usr/lib/x86_64-linux-gnu/ -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_imgcodecs -lopencv_videoio
INCLUDEPATH += /usr/include/opencv4/opencv2
INCLUDEPATH += /usr/include/opencv4/3.main.cpp
注意：大家的路径，需要在changename和get_name函数中的路径
#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/ml/ml.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
using namespace cv::ml;
bool cmp(const Rect &a, const Rect &b);
vector<Mat> get_mats(Mat mt);
bool has_Point(Mat mt);
int main(){string changename(int i,int j);string get_name(int i);Mat traindata, train_label, tmp;for (int j = 0; j < 10; j++){for (int i = 0; i < 40; i++){string name = changename(j,i);//cout << name << endl;tmp = imread(name, 0);resize(tmp, tmp, Size(75, 125));traindata.push_back(tmp.reshape(0, 1));train_label.push_back(j);}}traindata.convertTo(traindata, CV_32F);Ptr<TrainData> tData = TrainData::create(traindata, ROW_SAMPLE, train_label);Ptr<KNearest> knn = KNearest::create();knn->setDef
