【正文】 ax:=i。 end。 if xmax=i then xmax:=i。 end。 end。 end。……………………………//這里得到的YMax、XMax分別為字符的下邊界、右邊界第二步為字符大小的標準化，常用的方法主要有分裂合并法和插值變換歸一化方法。分裂合并法是將大小為MN的原始圖像的每一個點賦值放大PQ倍，即將該點的像素值復制到PQ的陣列中，則MN的陣列變成一個MPNQ大小的陣列：接下來將MPNQ陣列中劃分成陣列大小為MN的PQ個區(qū)域，對MN區(qū)域的像素進行平均，陣列MN縮成一個點，那么MN尺寸的原圖像歸一化為PQ大小的圖像。部分源程序代碼如下：procedure (bmp:tbitmap)。 //字符標準化var i,j,k,m:integer。 w,h:integer。 max:double。 E:WideString。 t:string。 xmin,xmax,ymin,ymax:integer。 ps: pbytearray。 newbmp:tbitmap。begin newbmp:=。 :=16。 :=20。 SetStretchBltMode(,HalfTone)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。 stretchblt(,0,0,16,20,0,0,srccopy)。 (newbmp)。end。以上分別是對8幅分割后的圖片進行字符標準化，標準化后的圖像如下圖所示： 基于神經元網絡的字符識別技術常用的字符識別方法介紹字符識別技術屬于模式識別的范疇，也是其中一個非常重要的應用領域。常見的一些字符識別方法有：模板匹配法，遺傳算法，分形法，支持向量機法，人工神經網絡法等。下面簡單介紹一下以上算法。（1） 模板匹配法模板匹配方法是一種傳統(tǒng)的模式識別方法，當識別內容為簡單的數(shù)字、字符時，尤其是印刷體數(shù)字字符時，模板匹配法是最常用的算法。這個方法是把輸入的字符直接和標準的字符原型進行比較，找到與之最匹配的模板，其實質是度量輸入模式與樣本之間的某種相似性，取相似性最大者為輸入模式所屬類別。模板匹配對噪聲比較敏感，并且對字符的字體變化具有不適應的特點。因此，在實際應用中，提高正確率往往使用多個模板來進行匹配，處理時間會隨著模板個數(shù)的增加而增加。（2） 遺傳算法遺傳算法是建立在自然選擇和遺傳變異基礎上的迭代自適應搜索算法，在這種算法中，染色體是二進制字符串編碼，即有一群候選解，染色體是主要的進化對象，像生物進化一樣有繁殖、交叉和變異三種現(xiàn)象，這些現(xiàn)象稱為遺傳算子。在每一代中，對于莫一給定問題，保持一定數(shù)目N為定值的解群P（t），經過對各解的適應度值f，使解群中各解得到評價，各解的適應度的大小作為染色體復制機會大小的先決條件。交叉和變異算子使得最終得到的解具有全局性。（3） 分形法分形理論在模式識別方面的應用近一段時間也引起了人們的廣泛重視。一般認為：分形特征可被提取用于對滿足分形特征的自然紋理圖像進行紋理分割、目標識別等。分形的主要研究工具是它的維數(shù)，分形物體的維數(shù)可以由分形維數(shù)來描述，分形維數(shù)定量地表達了分形物體的形狀和復雜性，機構的拓撲維數(shù)等于其覆蓋維數(shù)。分形可以與模板匹配相結合，首先求出各個標準模板的分形維數(shù)，作為該模板字符的識別特征，并建立相應的查詢列表，再利用盒子維的方法求出待識別圖像的分形維數(shù)，然后查詢相應列表，找到此分形維數(shù)在一定誤差范圍內所對應的字符，完成識別。此處閾值的選取可以采用結合小波變換的方法，解決某些字符維數(shù)相差太小的問題。（4） 人工神經網絡法人工神經網絡由大量的簡單神經元相互連接而組成一個非線性動態(tài)系統(tǒng)，每個神經元的結構和功能比較簡單，但組成的系統(tǒng)相當復雜，具有生物神經網絡的某些特性。由于在自學習、自組織及容錯方面有較強的能力，可以廣泛地應用于模式識別中。已經用于模式識別領域中的神經網絡包括多層前饋網絡、隨機網絡、自適應共振網絡、自組織特征映射網絡等。應用在圖像識別中時，通常將特征向量或者將目標圖像作為神經網絡的輸入。整幅圖像作為輸入時相當于將圖像的每個像素都當做特征向量的一維，充分利用了神經網絡的自動學習和記憶功能，通過對樣本的訓練建立起記憶，然后將未知樣本作為輸入讓神經網絡“回憶”出該樣本所屬的類別。神經網絡法的突出優(yōu)點是抗干擾能力強，允許樣本有較大的缺損和畸變，并能處理一些環(huán)境信息復雜、背景知識不清楚、推理規(guī)則不明確的問題。但由于神經網絡仍依賴于特征向量，也就是說，如果特征向量在特征空間可分性不好，則神經網絡也達不到好的識別效果。另一方面，神經網絡算法比較復雜，數(shù)據(jù)處理最大，系統(tǒng)開銷最大。 BP網絡的設計在進行BP網絡的設計時，一般應從網絡的層數(shù)、每層中神經元個數(shù)和激活函數(shù)、初始值以及學習效率等幾個方面進行考慮。（1）網絡層數(shù)的確定。一般來說，具有偏差和至少一個S型隱含層加上一個線性輸入層的網絡，能夠逼近任何有理函數(shù)。增加層數(shù)可以降低誤差。提高精度，但同時也增加了神經網絡的復雜性，延長了網絡權值的訓練時間，而誤差精度的提高可以通過增加隱含層的神經元個數(shù)來確定，其訓練時間也比增加層數(shù)更容易發(fā)現(xiàn)?；谝陨峡紤]，本系統(tǒng)的BP網絡只使用了一個S型的隱含層，即一個三層的BP網絡。........................................................................ 圖 BP神經元網絡結構（2）隱含層節(jié)點數(shù)的確定 。隱含層節(jié)點數(shù)的選擇對網絡性能影響很大，一般是由網絡的具體用途來確定，不同的網絡有不同的要求，所以確定隱含層的節(jié)點數(shù)是復雜的。BP網絡的拓撲結構本節(jié)BP神經元網絡的拓撲結構采用的是3層的拓撲結構，即一個輸入層、一個隱含層、一個輸出層，輸入層的神經元個數(shù)為2016=320，隱含層的神經元個數(shù)為100，對于輸出層來說，因為識別的符號包括0~9，因此輸出端采用8個神經元作為輸出。輸出編碼關于輸出編碼問題，因為BP網絡的訓練是根據(jù)輸出值與標準值之間的誤差來調整權值的，因此必須對目標期望輸出進行編碼，這里采用的是8421編碼，即對于輸出“0”，采用（0，0，0，0，0，0，0，0），因為激活的S型激活函數(shù)的輸出永遠不可能達到0或者1，因此對于（0，0，0，0，0，0，0，0）這樣的標準輸出時，BP網絡無法收斂。這里為了避免這個問題，用“”代替“0”，用“”代替“1”，即“F”的期望輸出就采用（，，，，），其他的依次類推。 參考文獻 [1]蔣先剛 基于Delphi的數(shù)字圖像處理工程軟件設計 中國水利水電出版社 2006年3月.[2]劉駿 《Delphi數(shù)字圖像處理及高級應用》 科學出版社 2003年3月.[3]劉海濤 《Delphi程序設計基礎》 清華大學出版社 2001年5月[4]王國宏 《Hough變換及其在信息處理中的應用》 兵器工業(yè)出版社 2005年2月[5] 李慶亮，張新成，陳震，陳新亞，等．SPm控件在Delphi [J]．中文核心期刊《微計算機信息》(嵌入式與SOC)，2006年第22卷第52期：8~10．[6] 鄭利華，劉旭明，等．利用Spm控件實現(xiàn)單片機與PC機串口通信的方法[J]．桂林航天工業(yè)高等?？茖W校學報，2006年第3期：17~19．[7]丁兆海 《Delphi基礎教程》 電子工業(yè)出版社[8] 飛思科技產品研發(fā)中心．Delphi高級編程[M]．北京：電子工業(yè)出版社，2002．[9] 胡存生，郭維保，等．Delphi 7開發(fā)技術與范例[M]．北京：電子工業(yè)出版社，2003．7．19~30，204~265．[10] 杜松，李小兵，等．用SPComm實現(xiàn)多線程串口數(shù)據(jù)接收[J]．電子科技大學機械電子工程學院：中國測試技術，2004年5月，第30卷第3期：69~71．[11] 王時繪，朱榮釗，等．Delphi+SPComm實現(xiàn)串13通信[J]．湖北大學數(shù)學與計算機學院，2007年8月：135~136．[12]呂偉臣 《Delphi入門與提高》 清華大學出版社 2004年8月[13] 胡存生，郭維保，等．Delphi 7開發(fā)技術與范例[M]．北京：電子工業(yè)出版社，2003．7．19~30，204~265． 致謝首先我要在這里衷心的感謝我的指導教師，這篇論文是在何老師的精心指導下才得以完成的，從論文的選題、初稿、結稿到最后的審稿，其間都凝聚著何老師辛勤的汗水。學識淵博，治學嚴謹，為人正直，待人寬厚，在畢業(yè)設計這幾個月里，可以說老師把自己懂得的知識都傳授給了我們，不僅讓我們學到了很多的專業(yè)知識，還教我懂得了許多做人的道理，使我受益匪淺。由于這次我所做的畢業(yè)設計涉及自己本專業(yè)方面的知識比較少，對我來說是個挑戰(zhàn)，除了自己的努力外，最少不了的就是何老師的幫助和支持，他耐心的為我講解設計中遇到的各種問題，給我提供手頭上的資料供我分析，使我掌握了大量的課題資料，可以說對我的照顧是無微不至，讓我對設計課題的內容了解了很多、掌握了很多，有了一個明確的設計思路和自己的構想，我想都是與何老師的幫助離不開的，由于時間倉促，掌握知識有限，還不能將老師的課題要求做到完美，但這里還是非常感謝何老師在這幾個月里對我的幫助。感謝學校為我們提供了良好的學習環(huán)境，讓我們可以模擬仿真自己的畢業(yè)設計，找出其中的缺點何不足加以改正。同時也感謝我的舍友在畢業(yè)設計過程中給我的關心和幫助。還要感謝我的輔導員，在生活方面為我提供一定的支持。感謝三年來為我們上課的老師，謝謝他們三年來對我們的教育，讓我們也懂得了很多學習以外的事。感謝幫助過我的全體同學為我營造一個良好的生活環(huán)境。最后，衷心的感謝能在百忙之中抽空為我審閱論文的各位專家教授老師附錄附錄A 外文翻譯The use of Delphi On the introduction of DelphiDelphi is a new visual programming environment provides us with a convenient and fast application development tool for Windows. It uses the Microsoft Windows graphical user interface o