【正文】 3）對(duì)梯度幅值進(jìn)行非極大值抑制。)。即點(diǎn)(x0,y0)確定了一族直線。imshow(i)。即，對(duì)文本資料進(jìn)行掃描，然后對(duì)圖像文件進(jìn)行分析處理，獲取文字及版面信息的過(guò)程。（2）結(jié)構(gòu)基元以及基元的檢測(cè)基元共有5個(gè)分別為：左斜（L）、右斜（R）、豎直（V）、圓?。–）和突變（P）。9：TS=C，LS（1）=C，LS（2）=P。一般的界面中，桌面上放有各種應(yīng)用程序和數(shù)據(jù)的圖標(biāo)，用戶可以依此開(kāi)始工作。 　　多文件界面的數(shù)據(jù)管理方式中使用的一種界面，將數(shù)據(jù)的標(biāo)題在窗口中并排，通過(guò)選擇標(biāo)簽標(biāo)題顯示必要的數(shù)據(jù)，這樣使得接入數(shù)據(jù)方式變得更為便捷。 應(yīng)用程序中的按鈕，通?？梢源娌藛?。采用canny算子進(jìn)行邊緣檢測(cè)。BW_edge=edge(BW,39。p_step=2*p_max/299。 % T表示結(jié)構(gòu)未定，Str用于保存當(dāng)前的基本結(jié)構(gòu)Stroke=39。amp。 end if ((j=2+Y1)amp。amp。amp。[temp XR]=size(StrokeRight)。))) RStr=39。 else if ((StrokeLeft(2)==39。) RStr=39。)||(StrokeLeft(XL)==39。 else for Ri=2:XR if ((StrokeRight(Ri)==39。figure,imshow(I0)。 endendAmp=24/Hy。while ((Left(j)1)amp。end%=====================================%Top=zeros(1,x)。end X2=i1。amp。end t=toc%======= 顯示 ======%px=(1:x)。gridtitle(39。他不僅教給了我一定的自然科學(xué)知識(shí)，也教給我謙虛、好學(xué)、負(fù)責(zé)的做人道理。上輪廓39。 % 左邊基本結(jié)構(gòu)檢測(cè) StrokeR=StrDetect01(RightD,Y1,Y2,3,5)。 % 用于檢測(cè)筆劃Ne=0。i=x。amp。(I(j,i)==1)) i=i+1。for j=1:y0 if (Range(j)=1) Hy=Hy+1。39。)amp。((StrokeLeft(2)==39。) RStr=39。(StrokeLeft(2)~=39。)amp。RStr=39。amp。amp。amp。amp。Count=0。y_max=max(y_max,y)。BW=im2bw(i,Threshold)。分析設(shè)備標(biāo)牌的特點(diǎn)，對(duì)系統(tǒng)的每個(gè)模塊給出了相應(yīng)的處理技術(shù)。通常情況下顯示的是數(shù)據(jù)的內(nèi)容或者與數(shù)據(jù)相關(guān)聯(lián)的應(yīng)用程序的圖案。若要在其他應(yīng)用程序的窗口使用數(shù)據(jù)，將相應(yīng)生成新的窗口。而嵌入式GUI具有下面幾個(gè)方面的基本要求：輕型、占用資源少、高性能、高可靠性、便于移植、可配置等特點(diǎn)。5：TS=V，P∈RS。（1）字符輪廓定義左輪廓（LP（k），k=1，2，…，M）定義為字符最左側(cè)邊界像素點(diǎn)的水平方向坐標(biāo)值。雖然采用了預(yù)計(jì)比較理想的雙閾值法進(jìn)行了二值化，但是結(jié)果并沒(méi)有全閾值的結(jié)果好，因此，對(duì)于此圖像，采用全閾值才是最可行的二值化方法。 figure。比如直線、橢圓、圓、弧線等。BW=im2bw(i,Threshold)。這就是Canny邊緣檢測(cè)算子。而濾波器在降低噪聲的同時(shí)也導(dǎo)致邊緣強(qiáng)度的損失。imagesc(wmf1th2_select)。,3)。imshow(bw)。標(biāo)牌圖像具有以下幾個(gè)特點(diǎn)：（1）標(biāo)牌上的字符信息包括漢字、字母以及數(shù)字，字符種類(lèi)較多。此外，二值化后的圖像能夠用幾何學(xué)中的概念進(jìn)行分析和特征描述，比灰度圖像優(yōu)勢(shì)大得多。直觀地看，種子填充就是指定一個(gè)背景點(diǎn)作為起始點(diǎn)，不斷地把與之相連的背景點(diǎn)的值由0變1，知道達(dá)到物體的邊界。imhist(I1)。)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。39。二值圖像就只有代表黑白兩色的兩個(gè)灰度值，歸一化后灰度值是黑（0）到白（1）。（三）研究邊緣檢測(cè)算子并對(duì)圖像進(jìn)行邊緣檢測(cè)處理，分析實(shí)驗(yàn)結(jié)果，并進(jìn)行圖像的分割。這兩個(gè)系統(tǒng)都是利用文字的單色性相對(duì)于背景的高對(duì)比度和視頻字幕的簡(jiǎn)單紋理來(lái)進(jìn)行圖像分割。因此，20世紀(jì)90年代，基于內(nèi)容的圖像檢索（CBIR）[2]技術(shù)應(yīng)運(yùn)而生，從可視化角度開(kāi)辟了一條更為直觀 、準(zhǔn)確的途徑，并很快成為智能信息處理領(lǐng)域的研究熱點(diǎn)。隨著計(jì)算機(jī)技術(shù)、通信技術(shù)、多媒體技術(shù)以及Internet的迅速發(fā)展，人們?cè)絹?lái)越深刻地感受到了計(jì)算機(jī)處理事情的便捷。在電力管理上的技術(shù)需求越來(lái)越引起人們的關(guān)注和期待，而在此方向的技術(shù)研究目前還是一個(gè)空白點(diǎn)，因此，研究設(shè)備圖片中的字符識(shí)別技術(shù)具有廣泛的實(shí)際應(yīng)用價(jià)值和重要的學(xué)術(shù)意義。基于統(tǒng)計(jì)特征的字符識(shí)別法對(duì)于形近字符區(qū)分能力弱，而且需要尋找特征，特征有時(shí)隨圖像變化而失效。本文對(duì)電力系統(tǒng)中設(shè)備標(biāo)牌中的字符識(shí)別技術(shù)進(jìn)行了研究，對(duì)設(shè)備標(biāo)牌中的字符識(shí)別系統(tǒng)的每一個(gè)模塊進(jìn)行了研究及實(shí)現(xiàn)。 二維物理圖像被柵格劃分成小的區(qū)域，這些小的區(qū)域稱(chēng)為數(shù)據(jù)元素（Picture Element），簡(jiǎn)稱(chēng)像素。imshow(I)。 % 數(shù)據(jù)類(lèi)型轉(zhuǎn)換，MATLAB不支持圖像的無(wú)符號(hào)整型的計(jì)算g=fft2(f)。灰度圖像經(jīng)常是在單個(gè)電磁波頻譜如可見(jiàn)光內(nèi)測(cè)量每個(gè)像素的亮度得到的，用于顯示的灰度圖像通常用每個(gè)采樣像素8位的非線性尺度來(lái)保存，這樣可以有256級(jí)灰度（如果用16位，則有65536級(jí)）。figure,imshow(I2)。 （圖2（k））J=histeq(J3,32)。二值化的閾值選取主要分為整體閾值法、局部閾值法和動(dòng)態(tài)閾值法3類(lèi)。閾值的選擇方法主要有：最小誤差法、最大方差法、平均灰度值法。figure(2),imshow(I)。 %讀取圖像wmf1=wmf10(:,:,1)。endr=rc(1,:)。所以邊緣檢測(cè)包含以下兩項(xiàng)內(nèi)容：1）用邊緣算子提取邊緣點(diǎn)集。最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是梯度幅值閾值判據(jù)。四、 使用canny算子進(jìn)行邊緣檢測(cè)：clear。 （圖3（e））圖像取反：figure,imshow（~BW1）?？梢郧蟪?，過(guò)A點(diǎn)的直線的參數(shù)要滿足方程b=0, 過(guò)B點(diǎn)的直線的參數(shù)要滿足方程1=k+b, 過(guò)C點(diǎn)的直線的參數(shù)要滿足方程2=2k+b, 這三個(gè)方程就對(duì)應(yīng)著參數(shù)平面上的三條直線，而這三條直線會(huì)相交于一點(diǎn)(k=1,b=0)。 figure。近期，一些大公司意識(shí)到OCR的好處，開(kāi)始在自己的產(chǎn)品中捆綁OCR技術(shù)。局部結(jié)構(gòu)輪廓特征和統(tǒng)計(jì)特征描述數(shù)字：0：TS=C, Size(LS)=Size(RS)=1；S2MST。與早期計(jì)算機(jī)使用的命令行界面相比，圖形界面對(duì)于用戶來(lái)說(shuō)在視覺(jué)上更易于接受。 　　應(yīng)用程序?yàn)槭褂脭?shù)據(jù)而在圖形用戶界面中設(shè)置的基本單元。重要程度一般是從左到右，越往右重要度越低。故漢字以外的字符需要通過(guò)其他的技術(shù)進(jìn)行識(shí)別。然而在本文里，在數(shù)字識(shí)別過(guò)程中，由于單個(gè)的數(shù)字字符并不是很理想的精確識(shí)別對(duì)象，因此，還根據(jù)實(shí)際需要，對(duì)其采取了神經(jīng)網(wǎng)絡(luò)的種子填充技術(shù)，并得到了想要的識(shí)別結(jié)果。theta=0:theta_step:2*。n=300.*(l1)+w。 else if (LeftD(j)0) SR=SR+1。 else if ((SRSL)amp。 end SL=0。((SL=*SV)amp。T39。amp。L39。amp。amp。P39。639。)。skel39。while ((Left(j)1)amp。 end if (j=y) Top(i)=j。(I(j,i)==1)) j=j1。(j=fix(*y))) Ne=3。plot(Left)。gridtitle(39。)。左輪廓39。 Po=0。 end endfor i=1:x1 BottomD(i)=Bottom(i+1)Bottom(i)。end%==============================%i=1。(j1)) j=j1。%I=~I。I=~I1。V39。539。C39。P39。amp。C39。T39。((SR=2)||(SL=(SR+SV))))) Str=39。 SV=0。((SR=*SV)amp。 end end else % 檢測(cè)到突變的決策 if ((Count=fix(Range/4)+1)) % 設(shè)定字符輪廓可能發(fā)生的突變范圍 if ((SL=3)amp。endendendm=max(max(BW_hough))。x_min=1。希望在以后的不斷學(xué)習(xí)過(guò)程中，把字母字符的識(shí)別彌補(bǔ)上，并爭(zhēng)取把整個(gè)字符識(shí)別系統(tǒng)做的更好。所以在此識(shí)別過(guò)程中，又加上了神經(jīng)網(wǎng)絡(luò)的種子填充技術(shù)把數(shù)字4的那個(gè)沒(méi)有連接閉合的地方填充完整，即可獲得正確的識(shí)別結(jié)果。一般使用鼠標(biāo)的第一按鈕進(jìn)行操作。在窗口中，用戶可以在窗口中操作應(yīng)用程序，進(jìn)行數(shù)據(jù)的管理、生成和編輯。而DOS就不具備GUI，所以他只能輸入命令。1：Wmax≤H/2。隨著google啟動(dòng)OCR開(kāi)發(fā)工作，OCR應(yīng)用進(jìn)入了全面爆發(fā)時(shí)代。 （圖3（4））依此方法，可以把此電力設(shè)備標(biāo)牌分割成很多各自獨(dú)立又簡(jiǎn)單的小模塊，依次為如下結(jié)果（圖3（5）、3（6）、3（7）、3（8））： 圖3（2） 分割結(jié)果2圖3（1） 分割結(jié)果1圖3（3） 分割結(jié)果3 圖3（4） 分割結(jié)果4 圖3（6） 分割結(jié)果6圖3（5） 分割結(jié)果5 圖3（8） 分割結(jié)果8圖3（7） 分割結(jié)果7 對(duì)其中模塊需要的具體數(shù)字等分割開(kāi)來(lái)，用以分別識(shí)別： i=I(6+[1:15],1:20,:)。這個(gè)性質(zhì)就為我們解決問(wèn)題提供了方法，就是把圖像平面上的點(diǎn)對(duì)應(yīng)到參數(shù)平面上的線，最后通過(guò)統(tǒng)計(jì)特性來(lái)解決問(wèn)題。figure,imshow(I3)。i=imread(39。最簡(jiǎn)單的邊緣檢測(cè)是梯度幅值閾值判定。一、圖像邊緣檢測(cè)的基本步驟：（1）濾波。coe=。subplot(121)。I=imread(39。P－tile預(yù)先給定t，當(dāng)灰度值大于或等于m的象素占全體象素的比率為t時(shí)，取m為閾值；某圖像的直方圖具有2個(gè)峰：一個(gè)為背景，另一個(gè)為對(duì)象，分割兩個(gè)區(qū)域的閾值m由兩個(gè)峰值的谷對(duì)應(yīng)的灰度值決定，通常把這種閾值的選擇叫做2Mode方法。有的可以由計(jì)算機(jī)自動(dòng)選擇，有的則需人工干預(yù)。擴(kuò)展到255，但是只有32個(gè)灰度級(jí)。它給出了一幅圖像的概貌的描述，從直方圖中的灰度級(jí)分布還可以看出圖像的灰度分布特性。位置由行和列兩格坐標(biāo)決定。 % 轉(zhuǎn)換數(shù)據(jù)矩陣[M,N]=size(g)。退化后的圖像通常模糊不清或者經(jīng)過(guò)機(jī)器提取的信息量減少甚至錯(cuò)誤,因此必須對(duì)其采取一些手段進(jìn)行改善。這個(gè)值代表像素的明暗程度和顏色深淺等信息。其次，分割圖像。神經(jīng)網(wǎng)絡(luò)法也存在找尋特征和計(jì)算量大的問(wèn)題。其相關(guān)技術(shù)包括車(chē)牌識(shí)別技術(shù)和對(duì)圖像中的文字識(shí)別技術(shù)[1]。經(jīng)過(guò)二十余年的奮斗，這些夢(mèng)想已逐漸部分成真。當(dāng)前，圖像作為一種重要的可視化信息媒體，已被應(yīng)用到幾乎所有的科學(xué)技術(shù)領(lǐng)域和日常生活的各個(gè)方面。因此，在電力標(biāo)牌的字符識(shí)別中，OCR技術(shù)也得到了廣泛的應(yīng)用，是其進(jìn)行識(shí)別不可或缺的技術(shù)力量。采集到的設(shè)備圖片不可避免的會(huì)受到噪聲的污染，需要對(duì)設(shè)備圖片進(jìn)行處理以及修正，突出圖片中的標(biāo)牌信息，增強(qiáng)圖像，以便更好的進(jìn)行字符識(shí)別?；叶葓D像只含亮度信息，不含彩色信息。圖像增強(qiáng)尚沒(méi)有統(tǒng)一的理論方法。m=fix(M/2)。I=imread(39。)。知道區(qū)域可以求邊界，同樣，知道了邊界可以填充得到區(qū)域。在某些情況下圖像本身是有灰度的