【正文】 if xx0 yidong_x=x_zl。, dianji = get(gca, 39。)。WindowButtonMotionF39。 set(gcf, 39。 寫字板輸入模塊的設(shè)計 點擊主界面中的寫字板輸入按鈕，進(jìn)入利用寫字板輸入的數(shù)字識別，如圖。 它代表的意思是讀取圖片，并且插入到左邊的空白處。 str=39。39。YTickLabel39。Color39。, period)。 t = timer(39。)。請稍等 .....39。TriggerRepeat39。String39。)。 clear。 在本文中，我們根據(jù)自己需要所建立了專門的樣本庫，具體建立方法如下： 設(shè)置不同字體，大小，線條粗細(xì)的 09 的數(shù)字圖片共計 120 張，用來建立樣本，作為基準(zhǔn)庫，如圖 。 以上是 4 個按鈕的功能，大小，字體等設(shè)置。off39。 設(shè)計時候的原始界面如圖 ： 圖 42 手寫體數(shù)字識別系統(tǒng)的原始界面 push button1 *1 %直接讀取圖片 字體 set(gcf,39。,J)。 L=imread(39。Beijingtupian\39。,39。,[0 0 1 1])。第四章 手寫體數(shù)字識別系統(tǒng)設(shè)計分析 16 第四章 手寫體數(shù)字識別系統(tǒng)設(shè)計分析 本次設(shè)計使用 Matlab 語言實現(xiàn)該系統(tǒng)，其用戶 界面分別介紹如下。這項工作表現(xiàn)為減少特征矢量的維數(shù)或符號字符數(shù)。 特征提取是圖象處理中的一個初級運算，也就是說它是對一個圖像進(jìn)行的第一個運算處理?，F(xiàn)有的大部分算法都是集中在閾值確定的研究上。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時，某些分割方法也只是適合于某些特殊類型的圖像分割。 第三章 手寫體數(shù)字識別系統(tǒng)構(gòu)成及原理 14 用法： BW2 = bwareaopen(BW,P) BW2 = bwareaopen(BW,P,CONN) BW2 = bwareaopen(BW,P,CONN) 從二值圖像中移除所有小于 P的連通對象。 imshow(B)。 石河子大學(xué)學(xué)士學(xué)位論文 13 BW = im2bw(RGB, level) 將 RGB 真彩圖像轉(zhuǎn)換為二進(jìn)制圖像。效力矩陣是 [0 1]范圍內(nèi)的值，指示輸入圖像閾值選取的有效性。 %顯示轉(zhuǎn)換后的灰度圖 J。)。 I = rgb2gray(RGB) 將真彩色圖像 RGB 轉(zhuǎn)換成灰度圖像 I。 預(yù)處理 為了研究圖像內(nèi)容的識別，首先要對獲得的圖像信息進(jìn)行預(yù)處理，濾去干擾、噪聲，當(dāng)信息微弱無法辨識時，還須對圖像進(jìn)行增強處理，顏色校正等，以便人、機分析 [17]。需要指出的是， RGB圖像不使用 Windows顏色映射表。矩陣中的元素可以是雙精度的浮點數(shù)類型、 8位或 16位無符號的整數(shù)類型。 索引圖像包括一個數(shù)據(jù)矩陣 A，一個顏色映射矩陣B。圖像匹配、描述和識別 是 對圖像進(jìn)行比較和配準(zhǔn)，通過提取圖像的特征及相互關(guān)系，得到圖像符號化的描述，再把它同模型比較，以確定其分類。 圖像增強的目標(biāo)是改進(jìn)圖片的質(zhì)量，例如增加對比度，去掉模糊和噪聲，修正幾何畸變等；圖像復(fù)原是在假定已知模糊或噪聲的模型時，試圖估計原圖像的一種技術(shù) 。圖像處理技術(shù)的主要內(nèi)容包括 圖像壓縮 ，增強和復(fù)原，匹配、描述和識別 這幾 個部分。 Matlab 的主要特色如下 [12]： （ 1）語言簡潔緊湊，使用方便靈活，庫函 數(shù)極其豐富； （ 2）運算符豐富； （ 3）既具有結(jié)構(gòu)化的控制語句（如 for 循環(huán)、 while 循環(huán)、 break 語句和 if 語句），又有面向?qū)ο缶幊痰奶匦裕? （ 4）語法限制不嚴(yán)格，程序設(shè)計自由度大； （ 5）程序的可移植性很好，基本上不做修改就可以在各種型號的計算機和操作系統(tǒng)上運行； （ 6）圖形功能強大； （ 7）包含功能強勁的工具箱。由于個人電腦的迅速普及，模擬攝像頭的整體成本較高等原因，現(xiàn)在電腦市場上的攝像頭基本以數(shù)字?jǐn)z像頭為主，而數(shù)字?jǐn)z像頭中又以使用新型 數(shù)據(jù)傳輸接口 的 USB 數(shù)字?jǐn)z像頭為主 。 （ 2） Matlab軟 件 。另外，在實際應(yīng)用中，對數(shù)字識別單字識別正確率的要求要比文字要苛刻得多。與上面提到的統(tǒng)計報表處理相比，在這個領(lǐng)域的應(yīng)用難度更大， 因為 對識別的精度要求更高 ，處理的表格種類更多等 ，這樣對識別及預(yù)處理的核心算法要求也提高了。近年來在這類工作中采用 手寫第一章 引言 3 識別技術(shù) 已成為一種趨勢。 （ 2） 由于數(shù)字識別的類別數(shù)較小，有助于做深入分析及驗證一些新的理論。 石河子大學(xué)學(xué)士學(xué)位論文 2 多年的研究實踐表明，對于完全沒有限制的手寫數(shù)字，幾乎可以肯定：沒有一種簡單的方案能達(dá)到很高的識別率和識別精度。 字符識別處理的信息可分為兩大類：一類是文字信息 ， 處理的主要是用各國家、各民族的文字（如：漢字，英文等）書 寫或印刷的文本信息，目前在印刷體和聯(lián)機手寫方面技術(shù)已趨向成熟，并 且 推出了很多應(yīng)用系統(tǒng)；另一類是數(shù)據(jù)信息，主要是由阿拉伯?dāng)?shù)字及少量特殊符號組成的各種編號和統(tǒng)計數(shù)據(jù)，如：郵政編碼、統(tǒng)計報表、財務(wù)報表、銀行票據(jù)等等，處理這類信息的核心技術(shù)是手寫數(shù)字識別。 石河子大學(xué) 信息科學(xué)與技術(shù)學(xué)院畢業(yè)論文 課題名稱： 手寫體數(shù)字識別系統(tǒng)設(shè)計 學(xué)生姓名： 學(xué) 號： 學(xué) 院： 信息科學(xué)與技術(shù)學(xué)院 專業(yè)年級： 電子信息工程 2020 級 指導(dǎo)教師： 職 稱： 完成日期： 二 ○ 一一年六月十一日 摘要 I 手寫體數(shù)字識別系統(tǒng)設(shè)計 學(xué)生： 指導(dǎo)教師： [摘要 ] 隨著科學(xué)技術(shù)的迅速發(fā)展，在郵政編碼、統(tǒng)計報表、財務(wù)報表、銀行票據(jù)等處理大量字符信息錄入的場合，手寫數(shù)字識別系統(tǒng)的應(yīng)用需求越來越強烈，如何將數(shù)字方便、快速地輸入到 計算機中已成為關(guān)系到計算機技術(shù)普及的關(guān)鍵問題。這幾年來我國開始大力推廣的 “ 三金 ” 工程在很大程度上要依賴數(shù)據(jù)信息的輸入，如果能通過手寫數(shù)字識別技術(shù)實現(xiàn)信息的自動錄入，無疑會促進(jìn)這一事業(yè)的進(jìn)展。因此，最近這方面的努力 向著更為成熟、復(fù)雜、綜合的方向發(fā)展。 （ 3）盡管人們對手寫數(shù)字的識別已從事了很長時間的研究，并已取得了很多成果，但到目前為止機器的識別本領(lǐng)還無法與人的認(rèn)知能力相比，這仍是一個有難度的開放問題。因為數(shù)據(jù)的錄入是集中組織的，所以往往可以通過專門設(shè)計表格和對書寫施加限制以便于機器的自動識別。 手寫數(shù)字識別在郵件分揀中的應(yīng)用 也十分廣泛， 隨著人們生活水平的提高 ，經(jīng)濟活動的發(fā)展 ， 通信聯(lián)系的需求使信函的互換量大幅度增加，我國函件業(yè)務(wù)量也在不斷增長，一 些 大城市的中心郵局每天處理量將高達(dá) 上千 萬件，業(yè)務(wù)量的急劇上升使得郵件的分揀自動化成為大勢所趨。這是因為，數(shù)字沒有上下文關(guān)系，每個單字的識別都事關(guān)重要，而且數(shù)字識別經(jīng)常涉及的財會、金融領(lǐng)域其嚴(yán)格性更是不言而喻的。 開發(fā)工具介紹 硬件部分介紹 本課題中，我們所用到的硬件有攝像頭， 攝像頭 (CAMERA)又稱為電腦相機，電腦眼 等，是一種視頻 輸入設(shè)備 ，被廣泛的運用于 視頻會議 ，遠(yuǎn)程醫(yī)療及 實時監(jiān)控 等方面。在本實驗中，我們就選擇 使用 了 USB數(shù)字?jǐn)z像頭 。 本試驗中，我們使用了 Matlab 圖形用戶界面（簡稱 GUI） 設(shè)計主界面和子界面，優(yōu)化界面并實現(xiàn)主界面對子界面的調(diào)用，編寫界面的回調(diào)函數(shù)。 其中， 常見的處理 有 圖像數(shù)字化、圖像編碼、 圖像增強 、圖像復(fù)原、圖像分割和 圖像分析 等 。 圖像分割 是 將圖像劃分為一些互不重疊的區(qū)域，每一區(qū)域是像素的一個連續(xù)集。圖像匹配試圖建立兩張圖片之間的幾何對應(yīng)關(guān)系，度量其類似或不同的程度。其中 B是一個包含 3列和若干行的數(shù)據(jù)陣列。大多數(shù)情況下，灰度圖像很少和顏色映射表一起保存。像素的顏色保存在像素位置上的紅、綠、藍(lán)的強度值的 組合來確定。 在本系統(tǒng)中，我們設(shè)計的 這個部分主要由計算數(shù)據(jù)大小，灰度，全局圖像閾值選取，二值化，刪除 小面積圖形等過程組成。 rgb2gray 刪除圖像中的色調(diào)和飽和度信息，而保留亮度信息，從而將 RGB 圖像轉(zhuǎn)換為灰度圖。 J = rgb2gray(I)。 第三章 手寫體數(shù)字識別系統(tǒng)構(gòu)成及原理 12 測試結(jié)果如圖 、 所示 ： 圖 32 原始圖像 圖 33 灰度圖像 （ 3） 全局圖像閾值選取 全局圖像閾值選取的函數(shù)為 graythresh，函數(shù)功能為 使用大津法進(jìn)行全局圖像閾值選取 。只有單一灰度值的圖像 0，只有兩個灰度值的圖像 1。 注：如果輸入圖像不是灰度圖像， im2bw 首先將圖像轉(zhuǎn)換為灰度圖像，然后通過閾值將灰度圖像轉(zhuǎn)換成二進(jìn)制圖像。 測試結(jié)果如圖 、 所示 ： 圖 34 灰度圖像 圖 35 二值化圖像 （ 5） 刪除小面積圖形 刪除小面積圖形的函數(shù)為 bwareaopen，函數(shù)公式以及具體解析如下： 格式： BW2 = bwareaopen(BW,P,conn) 作用：刪除二值圖像 BW 中面積小于 P 的對象，默認(rèn)情況下 conn 使用 8 鄰域，這個部分其實就是去噪，根 據(jù)設(shè)置的 P 的大小，去除圖像上的雜點。 CONN對應(yīng)鄰域方法，默認(rèn)為 8。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。閾值分割方法根據(jù)圖像本身的特點，可分為單閾值分割方法和多閾值分割方法；也可分為基于像素值 的閾值分割方法、基于區(qū)域性質(zhì)的閾值分割方法和基于坐標(biāo)位置的閾值分割方法。它檢查每個 像素 來確定該像素是否代表一個特征。 分類識別 圖像分類指的是根據(jù)提取的特征值，利用模式識別的方法進(jìn)行分類，確定類別名稱，以便對圖像的重要信息得到一種理解和解釋 。 程序主界面 程序的主界面如下，功能主要分為三個模塊，分別為攝像頭輸入模塊、直接讀取圖片模塊以及寫字板輸入模塊，另外，右下角還有個退出的按鈕，如圖 。 uistack(ha,39。off39。)。Beijingtupian\39。 set(,39。visible39。)。 另外，在界面的左上角有幾組下拉菜單，主界面的下拉菜單如圖 所示，內(nèi)容包括幫助以及退出，另外三個下拉菜單的內(nèi)容是三個模塊的功能。在實驗的過程中，我們還可以根據(jù)手寫體數(shù)字的樣式，來添加樣本，充實基準(zhǔn)庫。 global sp h = waitbar(,39。 %攝像頭 = videoinput(39。, 39。,Inf)。)。 data = getsnapshot(sp)。TimerF39。 start(t)。)) set(gca,39。,[]) 它代表的意思是將坐標(biāo)軸去掉，實現(xiàn)那一部分的空白。*.*39。shengchengwenjian\zjdqtpsctp39。 圖片識別按鈕的代碼如下： zjdqtpsb() edit1 = load(39。 識別的具體過程為單擊界面左邊空白處，拉動鼠標(biāo)不松左鍵， 即可在寫字板上進(jìn)行手寫體數(shù)字的輸入，如圖 413。WindowButtonDownF39。, 39。 dianji = get(gca, 39。CurrentPoint39。 else yidong_x=x_zl。, 39。,39。y0=y。 end 這段代碼所實現(xiàn)的功能是鼠標(biāo)跟隨，即單擊左鍵，會進(jìn)行鼠標(biāo)更隨，松開左鍵，會釋放更隨命令。LineStyle39。black39。*.bmp39。*.*39。 if FileName==0 return。因此，在評價手寫數(shù)字識別系統(tǒng)系統(tǒng)時，我們必須綜合考慮這幾個指標(biāo)。 表 51 利用攝像頭輸入的手寫體訓(xùn)練結(jié)果 表 52直接讀圖的手寫體訓(xùn)練結(jié)果 表 53 利用手寫板輸入的手寫體訓(xùn)練結(jié)果 數(shù)字 類別 正識樣本數(shù) 誤識 樣本數(shù) 識別率 0 4 6 40% 1 5 5 50% 2 4 6 40% 3 5 5 50% 4 7 3 70% 5 6 4 60% 6 5 5 50% 7 3 7 30% 8 7 3 70% 9 6 4 60% 合計 52 48 52% 數(shù)字 類別 正識樣本數(shù) 誤識樣本數(shù) 識別率 0 6 4 60% 1 8 2 80% 2 9 1 90% 3 9 1 90% 4 9 1 90% 5 9 1 90% 6 7 3 70% 7 9 1 90% 8 9 1 90%