【文章內(nèi)容簡(jiǎn)介】 ，節(jié)約了人力和財(cái)力， 而且有很多的庫(kù)函數(shù)可以在實(shí)驗(yàn)時(shí)直接調(diào)用，避免了用硬件做實(shí)驗(yàn)的局限性。 根據(jù)國(guó)內(nèi)外優(yōu)秀的 GUI 技術(shù)應(yīng)用的成功經(jīng)驗(yàn)，可以總結(jié)出近幾年的設(shè)計(jì)具備以下幾個(gè)最基本特點(diǎn) [13]： （ 1）技術(shù)上具有先進(jìn)性、高效性、實(shí)用性、安全性； （ 2）數(shù)據(jù)管理功能完善，數(shù)據(jù)的采集、處理、發(fā)布過(guò)程中不會(huì)出現(xiàn)數(shù) 據(jù)丟失、改變的問(wèn)題； （ 3）界面友好，操作簡(jiǎn)便，使用統(tǒng)一的瀏覽器界面； （ 4）自動(dòng)化程度高，結(jié)構(gòu)設(shè)計(jì)簡(jiǎn)單； （ 5）模塊化設(shè)計(jì)，易于擴(kuò)充功能； （ 6）產(chǎn)品設(shè)計(jì)靈活； （ 7）投資少，最大限度保護(hù)用戶的投資。 石河子大學(xué)學(xué)士學(xué)位論文 8 第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 圖像處理基礎(chǔ)知識(shí) 圖像處理 (image processing)，是指用計(jì)算機(jī)對(duì)圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù) ， 又稱影像處理 ， 一般指 的是 數(shù)字圖像處理 [14]。 數(shù)字圖像是指用數(shù)字?jǐn)z像機(jī)、掃描儀等設(shè)備經(jīng)過(guò)采樣和數(shù)字化得到的一個(gè)大的二維數(shù)組，該數(shù)組的元素稱為 像素 ，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括 圖像壓縮 ，增強(qiáng)和復(fù)原，匹配、描述和識(shí)別 這幾 個(gè)部分。 其中， 常見(jiàn)的處理 有 圖像數(shù)字化、圖像編碼、 圖像增強(qiáng) 、圖像復(fù)原、圖像分割和 圖像分析 等 。 圖像數(shù)字化 指的是 通過(guò)取樣和量化過(guò)程將一個(gè)以自然形式存在的 圖像變換 為適合計(jì)算機(jī)處理的數(shù)字形式。圖像在計(jì)算機(jī)內(nèi)部被表示為一個(gè) 數(shù)字矩陣 ，矩陣中每一元素稱為像素。圖像數(shù)字化需要專門(mén)的設(shè)備，常見(jiàn)的有各種電子的和光學(xué)的掃描設(shè)備，還有機(jī)電掃描設(shè)備和手工操作的數(shù)字化儀。 在本文中，我們就是利用USB攝像頭將圖像數(shù)字化。 圖像編碼 是 對(duì)圖像信息編碼，以滿足傳輸和存儲(chǔ)的要求。編碼能壓縮圖像的信息量，但圖像質(zhì)量幾乎不變。 圖像增強(qiáng)的目標(biāo)是改進(jìn)圖片的質(zhì)量，例如增加對(duì)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(shí)，試圖估計(jì)原圖像的一種技術(shù) 。 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(gè)連續(xù)集。通常采用把像素分入特定區(qū)域的區(qū)域法和尋求區(qū)域之間邊界的境界法。區(qū)域法根據(jù)被分割對(duì)象與背景的對(duì)比度進(jìn)行閾值運(yùn)算，將對(duì)象從背景中分割出來(lái)。有時(shí)用固定的閾值不能得到滿意的分割，可根據(jù)局部的對(duì)比度調(diào)整閾值，這稱為自適應(yīng)閾值。境界法利用各種 邊緣檢測(cè) 技術(shù)，即根據(jù)圖像邊緣處具有很大的梯度值進(jìn)行檢測(cè)。這兩種方法都可以利 用圖像的紋理特性實(shí)現(xiàn)圖像分割。 圖像分析 是指 從圖像中抽取某些有用的度量、數(shù)據(jù)或信息。圖像匹配、描述和識(shí)別 是 對(duì)圖像進(jìn)行比較和配準(zhǔn)，通過(guò)提取圖像的特征及相互關(guān)系，得到圖像符號(hào)化的描述，再把它同模型比較，以確定其分類。圖像匹配試圖建立兩張圖片之間的幾何對(duì)應(yīng)關(guān)系，度量其類似或不同的程度。 石河子大學(xué)學(xué)士學(xué)位論文 9 Matlab圖像處理是指計(jì)算機(jī)采用 Matlab處理圖形圖像的技術(shù)。 Matlab中的一幅圖像可能包含一個(gè)數(shù)據(jù)矩陣，也可能包含一個(gè)顏色映射表矩陣，它包含 4種基本的圖像類型：索引圖像、灰度圖像、 RGB圖像和二值圖像。此外， Matlab還支持由多幀圖像組成的圖像序列 [15]。 （ 1）索引圖像 索引圖像是一種把像素值直接作為 RGB調(diào)色板下標(biāo)的圖像。索引圖像可把像素值直接映射為調(diào)色板數(shù)值。調(diào)色板通常與索引圖像存儲(chǔ)在一起，裝載圖像時(shí)，調(diào)色板將和圖像一同自動(dòng)裝載。 索引圖像包括一個(gè)數(shù)據(jù)矩陣 A，一個(gè)顏色映射矩陣B。其中 B是一個(gè)包含 3列和若干行的數(shù)據(jù)陣列。 B矩陣的每一行分別表示紅色、綠色和藍(lán)色的顏色值。在 Matlab中，索引圖像是從像素值到顏色映射表值的直接映射。像素顏色由數(shù)據(jù)矩陣 A作為索引指向矩陣 B進(jìn)行索引。 （ 2）灰度圖像 灰度數(shù)字圖像是每個(gè)像素只 有一個(gè)采樣顏色的圖像 ， 這類圖像通常顯示為從最暗 的 黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以 用于 任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。 Matlab中，一幅灰度圖像是一個(gè)數(shù)據(jù)矩陣 I，其中 I的數(shù)據(jù)均代表了在一定范圍內(nèi)的顏色灰度值。 Matlab把灰度圖像存儲(chǔ)為一個(gè)數(shù)據(jù)矩陣，該數(shù)據(jù)矩陣中的元素分別代表了圖像中的像素。矩陣中的元素可以是雙精度的浮點(diǎn)數(shù)類型、 8位或 16位無(wú)符號(hào)的整數(shù)類型。大多數(shù)情況下，灰度圖像很少和顏色映射表一起保存。但是在顯示灰度圖像時(shí)， Matlab仍然在后臺(tái)使用系統(tǒng)預(yù)定義的默認(rèn)的灰度 顏色映射表。 （ 3） 二值圖像 二值圖像是指每個(gè)像素不是黑就是白，其灰度值沒(méi)有中間過(guò)渡的圖像。 與灰度圖像相同，二值圖像只需要一個(gè)數(shù)據(jù)矩陣，每個(gè)像素只取兩個(gè)灰度值。二值圖像可以采用 uint和 double類型存儲(chǔ)，工具箱中以二值圖像作為返回結(jié)果的函數(shù)都使用 uint類型。 （ 4） RGB圖像 RGB圖像，即真彩色圖像，在 Matlab中存儲(chǔ)為 nXmX3的數(shù)據(jù)矩陣。數(shù)組中的元素定義了圖像中每一個(gè)像素的紅、綠、藍(lán)顏色值。需要指出的是， RGB圖像不使用 Windows顏色映射表。像素的顏色保存在像素位置上的紅、綠、藍(lán)的強(qiáng)度值的 組合來(lái)確定。圖像文件格式把 RGB圖像存儲(chǔ)為 24位的圖像，紅、綠、藍(lán)分別占 8位。這樣可以有約 1000萬(wàn)種顏色。 第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 10 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)結(jié)構(gòu)圖如圖 31所示。 圖 31 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)結(jié)構(gòu)圖 其中三個(gè)模塊的輸入部分以及部分輸出部分的具體設(shè)計(jì)將會(huì)在下一章中提到。 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)原理 當(dāng)今 手寫(xiě) 體 數(shù)字識(shí)別的應(yīng)用需求越來(lái)越廣泛， 在 財(cái)務(wù)、稅務(wù)、金融 方面具有不可替代的作用，因此手寫(xiě)體數(shù)字識(shí)別系統(tǒng)應(yīng)具有很高的識(shí)別正確率，對(duì)環(huán)境光照條件、手寫(xiě)規(guī)范等因素的影響應(yīng)有較大的容閾，并且要求滿足實(shí)時(shí)性要求 [16]。 該系統(tǒng)是計(jì)算機(jī)圖像處理與字符識(shí)別技術(shù)在手寫(xiě)體數(shù)字識(shí)別系統(tǒng)中的應(yīng)用，它主要由手寫(xiě)體數(shù)字圖像的采集和預(yù)處理、手寫(xiě)體數(shù)字圖像的定位和提取、手寫(xiě)體數(shù)字的分割和識(shí)別等幾個(gè)部分組成。 預(yù)處理 為了研究圖像內(nèi)容的識(shí)別，首先要對(duì)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(wú)法辨識(shí)時(shí)，還須對(duì)圖像進(jìn)行增強(qiáng)處理，顏色校正等，以便人、機(jī)分析 [17]。 在本系統(tǒng)中，我們?cè)O(shè)計(jì)的 這個(gè)部分主要由計(jì)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(guò)程組成。 （ 1） 計(jì)算數(shù)據(jù)大小 攝像頭輸入 寫(xiě)字板 直接讀圖 預(yù)處理 （計(jì)算數(shù)據(jù)大小、 灰度、 全局闕值選取、 二值化、 刪除小面積圖形） 圖像分割 特征提取 分類識(shí)別 以 TXT 格式輸出 石河子大學(xué)學(xué)士學(xué)位論文 11 計(jì)算數(shù)據(jù)大小的函數(shù)為 size，函數(shù)公式以及具體解析如下： d = size(X) 返回?cái)?shù)組 X 每一維的大小 。 [m,n] = size(X) 返回矩陣 X 的行列，當(dāng) X 是一個(gè)大于二維的數(shù)組時(shí)， m 是第一維的大小， n返回其他維相乘 。 m = size(X,dim) 返回 X 數(shù)組第 dim 維的大小 。 [d1,d2,d3,? ,dn] = size(X) 返回 X 數(shù)組每一維的大小到 d1， d2， d3，?， dn。 （ 2） 灰 度 灰度是指灰度圖的轉(zhuǎn)換，利用 rgb2gray 函數(shù)，將 RGB 圖形或色圖矩陣轉(zhuǎn)換成灰度圖 [18]。 對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí)，圖像灰度值可由下面的公式計(jì)算： gray = * R + * G + * B 注：原始圖像可以是 Matlab 可以處理的圖像格式。 I = rgb2gray(RGB) 將真彩色圖像 RGB 轉(zhuǎn)換成灰度圖像 I。 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。 newmap = rgb2gray(map) 返回與色圖 map 相對(duì)應(yīng)的灰度色圖。 注意：如果函數(shù)的輸入是一個(gè) RGB 圖像，則它可以是 unit uint1 single或 double 類型。輸出的圖像 I 的數(shù)據(jù)與輸入的圖像是相同類型的數(shù)據(jù)。如果輸入的是色圖，則輸入和輸出都是 double 類型的。 rgb2gray 測(cè)試： I = imread(39。39。)。 J = rgb2gray(I)。 %將圖片轉(zhuǎn)為灰度圖并且保存到 J當(dāng)中。 Figure %打開(kāi)新的作圖窗口。 imshow(I) %顯示轉(zhuǎn)換前的彩色圖。 figure。 %打開(kāi)新的作圖窗口。 imshow(J)。 %顯示轉(zhuǎn)換后的灰度圖 J。 第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 12 測(cè)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 。 函數(shù)公式以及具體解析如下： level = graythresh(I) 計(jì)算全局閾值 (level)，該閾值可以用在將強(qiáng)度圖像轉(zhuǎn)換為二進(jìn)制圖像的函數(shù) im2bw 中。 level 是在 [0， 1]內(nèi)歸一化的強(qiáng)度值。 函數(shù) graythresh 選擇使黑白像素類內(nèi)方差最小的閾值。 多維矩陣被 reshape 自動(dòng)轉(zhuǎn)換為二維矩陣。函數(shù) graythresh 忽略 I 的所有非零虛部。 [level EM] = graythresh(I) 返回效力矩陣 EM 作為第二個(gè)輸出變量。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。只有單一灰度值的圖像 0，只有兩個(gè)灰度值的圖像 1。 （ 4） 二值化 將圖像轉(zhuǎn)換為基于閾值的二進(jìn)制圖像的函數(shù)為 im2bw，函數(shù)公式以及具體解析如下： BW = im2bw(I， level) 將灰度圖像 I 轉(zhuǎn)換為二進(jìn)制圖像。輸出圖像 BW 將輸入圖像中亮度值大于 level 的像素替換為值 1 (白色 )，其他替換為值 0(黑色 )。你指定 level 在 [0,1]之間， 不用管輸入圖像的等級(jí)。函數(shù) graythresh 能用來(lái)自動(dòng)計(jì)算變量 level 。如果你不指定 level ， im2bw 使用 。 BW = im2bw(X, map, level) 將顏色表為 map 的索引圖像 X 轉(zhuǎn)換為二進(jìn)制圖像。 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。 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(guò)閾值將灰度圖像轉(zhuǎn)換成二進(jìn)制圖像。 im2bw 測(cè)試： A = imread([39。39。])。 B = im2bw(A)。 figure。 imshow(A)figure。 imshow(B)。 測(cè)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(duì)象，默認(rèn)情況下 conn 使用 8 鄰域，這個(gè)部分其實(shí)就是去噪，根 據(jù)設(shè)置的 P 的大小，去除圖像上的雜點(diǎn)。 算法： A. Determine the connected ponents. L = bwlabeln(BW, conn)。 B. Compute the area of each ponent. S = regionprops(L, 39。Area39。)。 C. Remove small objects. bw2 = ismember(L, find([] = P))。 功能：用于從對(duì)象中移除小對(duì)象。 第三章 手寫(xiě)體數(shù)字識(shí)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(duì)象。 CONN對(duì)應(yīng)鄰域方法，默認(rèn)為 8。 圖像分割 圖像分割就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過(guò)程。它是由圖像處理到圖像分析的關(guān)鍵步驟 ，它是一種重要的圖像技術(shù)，在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重