手寫(xiě)體數(shù)字識(shí)別方法的研究與實(shí)現(xiàn)畢業(yè)設(shè)計(jì)(doc畢業(yè)設(shè)計(jì)論文)(編輯修改稿)
2025-07-16 22:08 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 需要一個(gè)數(shù)據(jù)矩陣，矩陣每個(gè)元素表示對(duì)應(yīng)位置像素的灰度值。彩色圖像的像素色為RGB(R，G，B)，灰度圖像的像素色為RGB(r，r，r) ，R，G，B可由彩色圖像的顏色分解獲得。而R，G，B的取值范圍是0255，所以灰度的級(jí)別只有256級(jí)?；叶然奶幚矸椒ㄖ饕腥缦氯N:最大值法、平均值法和加權(quán)平均值法。本文用到的加權(quán)平均值法來(lái)處理，即更換每個(gè)像素的顏色索引(即按照灰度映射表?yè)Q成灰度值)。權(quán)重選擇參數(shù)為：紅：綠：藍(lán)：例如某像素點(diǎn)顏色對(duì)應(yīng)的灰度值計(jì)算公式為:系統(tǒng)輸入的源圖像支持3通道或者4通道圖像，支持Format24bppRgb, format32bppRgb, Format32bppArgb和Format8bppIndex這4種像素格式。 二值化處理二值圖像是指整幅圖像畫(huà)面內(nèi)僅黑、白二值的圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。在實(shí)際的識(shí)別系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閾值，使得字符與背景能夠分割開(kāi)來(lái)，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外的空缺等等。采用二值圖像進(jìn)行處理，能大大地提高處理效率。二值化的關(guān)鍵在于閾值的選取，閾值的選取方法主要有三類：全局閾值法、局部閾值法、動(dòng)態(tài)閾值法。全局閥值二值化方法是根據(jù)圖像的直方圖或灰度的空間分布確定一個(gè)閥值，并根據(jù)該閥值實(shí)現(xiàn)灰度圖像到二值化圖像的轉(zhuǎn)化。全局閥值方法的優(yōu)點(diǎn)在于算法簡(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)輸入圖像量化噪聲或不均勻光照等情況抵抗能力差，應(yīng)用受到極大限制。局部閥值法則是由像素灰度值和像素周圍點(diǎn)局部灰度特性來(lái)確定像素的閥值的。Bernsen算法是典型的局部閥值方法，非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，局部閥值法也存在缺點(diǎn)和問(wèn)題，如實(shí)現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。動(dòng)態(tài)閥值法的閥值選擇不僅取決于該像素灰度值以及它周圍像素的灰度值，而且還和該像素的坐標(biāo)位置有關(guān)，由于充分考慮了每個(gè)像素鄰域的特征，能更好的突出背景和目標(biāo)的邊界，使相距很近的兩條線不會(huì)產(chǎn)生粘連現(xiàn)象。在圖像分割二值化中，自動(dòng)閩值選取問(wèn)題是圖像分割的關(guān)鍵所在。事實(shí)證明，閩值的選擇的恰當(dāng)與否對(duì)分割的效果起著決定性的作用。本文采用全局閾值的方法，實(shí)現(xiàn)將圖像二值化的功能。如果某個(gè)像素的值大于等于閾值，該像素置為白色；否則置為黑色。系統(tǒng)程序目前僅支持8bpp灰度圖像的轉(zhuǎn)換，閾值介于0~255之間，程序中取220。 去離散噪聲原始圖像可能夾帶了噪聲，去噪聲是圖像處理中常用的手法。通常去噪用濾波的方法，比如中值濾波、均值濾波，本文中去除離散噪聲點(diǎn)采用中值濾波的方法。中值濾波法是一種非線性平滑技術(shù)，它將每一象素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有象素點(diǎn)灰度值的中值，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。 字符分割在識(shí)別時(shí)系統(tǒng)只能根據(jù)每個(gè)字符的特征來(lái)進(jìn)行判斷，為了最終能準(zhǔn)確識(shí)別手寫(xiě)體數(shù)字，必須將單個(gè)字符從處理后的圖像中逐個(gè)提取分離出來(lái)。具體做法是將圖像中待識(shí)別的字符逐個(gè)分離出來(lái)并返回存放各個(gè)字符的位置信息的鏈表。當(dāng)把圖像分割完成后，從一定意義上來(lái)說(shuō)便是形成了不同的小圖，每一張小圖就是一個(gè)數(shù)字，才能對(duì)這些小圖進(jìn)行尺寸大小一致的調(diào)整。 細(xì)化 圖像特征提取特征提取是字符識(shí)別中的一個(gè)重要組成部分，是模式識(shí)別的核心之一。經(jīng)過(guò)預(yù)處理后，根據(jù)識(shí)別方法的要求抽取圖像特征，作為識(shí)別的依據(jù)。一般而言，選擇的特征一方面要求能夠足夠代表這個(gè)圖像模式，另一方面要求它們的數(shù)量盡可能少，這樣能有效地進(jìn)行分類和較小的計(jì)算量。特征提取的好壞會(huì)直接影響其識(shí)別的分類效果，進(jìn)而影響識(shí)別率，因此特征選擇是模式識(shí)別的關(guān)鍵。但是，目前還沒(méi)有一個(gè)有效的、一般的抽取、選擇特征的方法。抽取、選擇特征的方法都是面對(duì)問(wèn)題的，因此針對(duì)不同的識(shí)別問(wèn)題往往有不止一種的抽取、選擇特征的方法。本文特征提取的首要任務(wù)是要確定細(xì)化后圖像的那些特征點(diǎn)作為圖像的特征，這里只提取圖像的結(jié)構(gòu)特征作為網(wǎng)絡(luò)輸入值。其中結(jié)構(gòu)特征有九個(gè)，包括豎直中線交點(diǎn)數(shù)、豎直1/3處交點(diǎn)數(shù)、豎直2/3處交點(diǎn)數(shù)、水平1/5處交點(diǎn)數(shù)、水平4/5處交點(diǎn)數(shù)、右拐點(diǎn)數(shù)、左拐點(diǎn)數(shù)、上端點(diǎn)數(shù)、下端點(diǎn)數(shù)。結(jié)構(gòu)特征的選擇與提取算法如下述。對(duì)經(jīng)過(guò)預(yù)處理的圖像進(jìn)行分割，分別在圖像的水平區(qū)域1/1/2/3處設(shè)置3條豎線，在圖像的豎直區(qū)域1/2/3處設(shè)置2條水平線，分別計(jì)算直線與圖像數(shù)字筆段的交點(diǎn)數(shù)，求得前五個(gè)特征值。如下左圖所示：再分別提取圖像的左拐點(diǎn)數(shù)與右拐點(diǎn)數(shù)，如上右圖所示。以1/3豎交點(diǎn)數(shù)為例，提取交點(diǎn)數(shù)特征的算法
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1