【文章內(nèi)容簡(jiǎn)介】 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(chēng)為像素。圖像數(shù)字化需要專(zhuān)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(chēng)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(lèi)。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(lèi)似或不同的程度。第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 8Matlab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(lèi)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(lèi)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(lèi)型、8位或16位無(wú)符號(hào)的整數(shù)類(lèi)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(lèi)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(lèi)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。石河子大學(xué)學(xué)士學(xué)位論文9 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。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(lèi)識(shí)別以 TXT 格式輸出圖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)大小第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 10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 unituint1single或 double 類(lèi)型。輸出的圖像 I 的數(shù)據(jù)與輸入的圖像是相同類(lèi)型的數(shù)據(jù)。如果輸入的是色圖，則輸入和輸出都是 double 類(lèi)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。石河子大學(xué)學(xué)士學(xué)位論文11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(lèi)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) 第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 12將顏色表為 map 的索引圖像 X 轉(zhuǎn)換為二進(jìn)制圖像。 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：石河子大學(xué)學(xué)士學(xué)位論文13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。 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視。圖像分割的方法和種類(lèi)有很多，有些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類(lèi)別的圖像。有些算法需要先對(duì)圖像進(jìn)行粗分割，因?yàn)樗麄冃枰獜膱D像中提取出來(lái)的信息。例如，可以對(duì)圖像的灰度級(jí)設(shè)置門(mén)限的方法分割。值得提出的是，沒(méi)有唯一的標(biāo)準(zhǔn)的分割方法。許多不同種類(lèi)的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類(lèi)型的圖像，已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其分割，同時(shí)，某些分割方法也只是適合于某些特殊類(lèi)型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場(chǎng)合及要求衡量。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟，可以說(shuō)，圖像分割結(jié)果的好壞直接影響對(duì)圖像的理解。人們通常將圖像分割的方法歸納為基于灰度直方圖的閾值化方法和基于區(qū)域增長(zhǎng)法兩大類(lèi)。其中閾值化方法因其簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中應(yīng)用最廣泛的分割技術(shù) [19]。閾值分割方法中對(duì)灰度圖像的取閾值分割就是先確定一個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素分為兩類(lèi)。這兩類(lèi)像素一般分屬圖像的兩類(lèi)區(qū)域，從而達(dá)到分割的目的。從該方法中可以看出，確定一個(gè)最優(yōu)閾值是分割的關(guān)鍵?，F(xiàn)第三章 手寫(xiě)體數(shù)字識(shí)別系統(tǒng)構(gòu)成及原理 14有的大部分算法都是集中在閾值確定的研究上。閾值分割方法根據(jù)圖像本身的特點(diǎn)，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。若根據(jù)分割算法所有的特征或準(zhǔn)則，還可以分為直方圖與直方圖變換法、最大類(lèi)空間方差法、最小誤差法與均勻化誤差法、共生矩陣法、最大熵法、簡(jiǎn)單統(tǒng)計(jì)法與局部特性法、概率松馳法、模糊集法、特征空間聚類(lèi)法、基于過(guò)渡區(qū)的閾值選取法等。 特征提取圖像特征抽取是指在需要識(shí)別的物體被分割出來(lái)的基礎(chǔ)上，提取需要的特征，并對(duì)某些參數(shù)進(jìn)行計(jì)算、測(cè)量，根據(jù)測(cè)量結(jié)果進(jìn)行分類(lèi)。這一過(guò)程輸入是龐大的信息圖像，輸出則是少量的特征信息，而且這些特征信息僅僅代表物體，無(wú)法還原回原物體。特征提取是計(jì)算機(jī)視覺(jué)和圖像處理中的一個(gè)概念。它指的是使用計(jì)算機(jī)提取圖像信息，決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征。特征提取的結(jié)果是把圖像上的點(diǎn)分為不同的子集，這些子集往往屬于孤立的點(diǎn)、連續(xù)的曲線或者連續(xù)的區(qū)