【導(dǎo)讀】運(yùn)用了基于統(tǒng)計(jì)特征和基于結(jié)構(gòu)特征的漢字識(shí)別算法并對它們做了相應(yīng)改進(jìn)。征即可對未知漢字做粗分類，這樣可以縮小判別時(shí)的漢字范圍。對文字圖像做細(xì)分類即可得到識(shí)別結(jié)果.上，該文同時(shí)也給出了對書寫不規(guī)范的字的解決方案。

　　

【正文】 if(GetPixel(hdc,x,y)!=16777215) { po[4]++。 sum++。 } for(x=x2。xxmax。x++) 重慶大學(xué)本科學(xué) 生畢業(yè)設(shè)計(jì)（論文） 識(shí)別算法對應(yīng)的 vc 代碼 19 if(GetPixel(hdc,x,y)!=16777215) { po[5]++。 sum++。 } } for(y=y2。yymax。y++) { for(x=xmin。xx1。x++) if(GetPixel(hdc,x,y)!=16777215) { po[6]++。 sum++。 } for(x=x1。xx2。x++) if(GetPixel(hdc,x,y)!=16777215) { po[7]++。 sum++。 } for(x=x2。xxmax。x++) if(GetPixel(hdc,x,y)!=16777215) { po[8]++。 sum++。 } } for(i=0。i9。i++) [i]=float(po[i])/float(sum)。 //sprintf(s,%d,%d,%lf,po[0],sum,[0])。 //AfxMessageBox(s)。 } 識(shí)別算法 //識(shí)別函數(shù) void CRecogDlg::OnRecogn() { // TODO: Add your control notification handler code here int i,j。 int flagok=0。 char s[20]。 double d1,d2。 OnOpenMenu()。 DealDat()。 obtp()。 for(i=0。i=zong。i++) 重慶大學(xué)本科學(xué) 生畢業(yè)設(shè)計(jì)（論文） 識(shí)別算法對應(yīng)的 vc 代碼 20 { if(tez[i].total==) { d1=0。 for(j=0。j。j++) d1=d1+(1dis([j],tez[i].bh[j]))。 d1=d1/float()。 d2=0。 for(j=0。j9。j++) d2=d2+fabs([j]tez[i].p[j])。 if(d1) if(d2)//闕值 { flagok=1。 sprintf(s,您輸入的是 : %s,tez[i].zifu)。 AfxMessageBox(s)。 break。 } } } if(izong) AfxMessageBox(無法識(shí)別！書寫不規(guī)范或字庫中無次字。 )。 } 重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 算法實(shí)現(xiàn)結(jié)果和分析 21 4 算法實(shí)現(xiàn)結(jié)果和分析 模擬結(jié)果介紹 MFC 支持界面操作 ，在 vc 平臺(tái)上建立一 MFC 文件，根據(jù)系統(tǒng)提示建 立一對話框后拖入需要的控件（按扭、文本框等），在控件的消息響應(yīng)里寫如響應(yīng)代碼，按此步驟程序運(yùn)行結(jié)果如下： 圖 程序運(yùn)行界面 其中中間的白色區(qū)域是模擬手寫板，用鼠標(biāo)可以在里面進(jìn)行寫字操作，右邊四個(gè)按扭的功能分別為： 識(shí)別：對寫如的漢字 圖像 進(jìn)行識(shí)別； 清除：清除手寫板中內(nèi)容以重新書寫； 學(xué)習(xí)：若想要往字庫中添加字符，可先寫如要添加的漢字然后點(diǎn)擊此鍵； 退出：結(jié)束軟件運(yùn)行； 下面演示手寫漢字的識(shí)別操作，首先寫入漢字 重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 算法實(shí)現(xiàn)結(jié)果和分析 22 圖 漢字的寫 入 點(diǎn)擊“識(shí)別”按扭進(jìn)行識(shí)別操作 圖 系統(tǒng)識(shí)別寫入的漢字圖像 漢字被成功識(shí)別。若字庫中沒有寫如的漢字，可以點(diǎn)擊“學(xué)習(xí)”按扭向字庫中添加此字。如下圖所示： 圖 通過“學(xué)習(xí)”過程向字庫添加漢字特征 結(jié)果分析 通過前面幾章的講述，至此基于多特征提前的聯(lián)機(jī)手寫漢字識(shí)別算法及起計(jì)算機(jī)實(shí)現(xiàn)都已完成 ，下面是部分實(shí)驗(yàn)的識(shí)別效果和對算法的分析。 在實(shí)驗(yàn)中能識(shí)別的漢字圖像如： 重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 算法實(shí)現(xiàn)結(jié)果和分析 23 圖 能夠識(shí)別的漢字圖像示例 圖 不能識(shí)別的漢字圖像示例 算法對書寫 規(guī)范性不同 的漢字圖像的識(shí)別率見下表： 漢字書寫的規(guī)范性 樣本容量 能識(shí)別數(shù)量 不能識(shí)別數(shù)量 識(shí)別率 很規(guī)范 80 74 6 % 較規(guī)范 80 68 12 % 不規(guī)范 80 42 38 % 表 對不同程度規(guī)范漢字圖像的識(shí)別率 其中，規(guī)范性主要是指筆劃的標(biāo)準(zhǔn)程度，比如說“橫”的歪曲度等。 下表給出了該算 法對不同結(jié)構(gòu)的漢字的識(shí)別效果： 漢字結(jié)構(gòu)類型 樣本容量 能識(shí)別數(shù)量 不能識(shí)別數(shù)量 識(shí)別率 上下結(jié)構(gòu) 50 46 4 % 左右結(jié)構(gòu) 50 48 2 % 半包圍 50 41 9 % 全包圍 50 45 5 % 復(fù)合 50 44 6 % 表 對不同結(jié)構(gòu)漢字的識(shí)別率 (很規(guī)范 ) 重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 算法實(shí)現(xiàn)結(jié)果和分析 24 從上表可以看出 ,該算法對半包圍和復(fù)合結(jié)構(gòu)的漢字識(shí)別效果不太理想 ,主要因?yàn)檫@兩種結(jié)構(gòu)的漢字書寫起來難度較大 ,用鼠標(biāo)很難把每一筆劃寫得標(biāo)準(zhǔn) ,這就直接導(dǎo)致了 識(shí)別率的降低 . 從以上實(shí)驗(yàn)結(jié)果，我們可以得出結(jié)論：基于多特征提取的識(shí)別 算法通過兩級識(shí)別機(jī)制，彌補(bǔ)了單純基于筆劃特征算法和單純基于統(tǒng)計(jì)特征算法的不足，同時(shí)在計(jì)算量上也沒有增大太多，多寫的比較規(guī)范的漢字能識(shí)別 90%以上，在實(shí)際應(yīng)用中取得了比較好的效果，但有實(shí)現(xiàn)該算法有兩點(diǎn)必須注意： （１） 基于筆劃特征提取算法強(qiáng)調(diào)書寫每一個(gè)字時(shí)都要遵循一定的筆順（此處的“筆順”是廣義的，即第一次向字庫中讀入該字時(shí)的書寫順序），不然將無法識(shí)別，現(xiàn)在字庫中的常用字都是嚴(yán)格按筆順寫入的，如使用者的書寫習(xí)慣不同，可在第一次使用時(shí)向字庫中添加。 此外還有一點(diǎn)，書寫漢字時(shí)不能有連筆現(xiàn)象，這樣將無法識(shí)別或得到錯(cuò)誤結(jié)果。 （２） 由于手寫體和印刷體差別很大，欲使通常應(yīng)用于印刷體漢字識(shí)別的基于統(tǒng)計(jì)特征的算法在手寫體漢字識(shí)別中取的較好效果，漢字的書寫就必須強(qiáng)調(diào)規(guī)范、工整，不然可能無法正確識(shí)別。 上述兩點(diǎn)注意事項(xiàng)其實(shí)可以看做是本算法的不足，目前基于漢字特征點(diǎn)的識(shí)別算法和小波分析算法可以對以上不足做出比較好的補(bǔ)充，具體請查閱參考書目。 重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 總結(jié)和展望 25 5 總結(jié)和展望 論文總結(jié) 論文選題是在第七學(xué)期后期確定的 ,之后 發(fā)放了任務(wù)書。第八學(xué)期一至三周通過相關(guān)資料的查詢，綜合考慮了算法耗時(shí)、識(shí)別效果、耗費(fèi)資源等因素，初步擬訂將基于結(jié)構(gòu)特征和基于統(tǒng)計(jì)特征的算法進(jìn)行結(jié)合改進(jìn)。在算法的實(shí)現(xiàn)上，考慮到該算法是面向應(yīng)用設(shè)計(jì)的，而 Visual C++語言能對結(jié)果做有效的仿真且易于轉(zhuǎn)換為在嵌入式設(shè)計(jì)廣泛使用的標(biāo)準(zhǔn) C 語言，所以在算法的程序?qū)崿F(xiàn)階段采用了 VC語言進(jìn)行程序設(shè)計(jì)，實(shí)驗(yàn)也取得了較好的效果。 通過在 PC機(jī)上的模擬實(shí)驗(yàn)表明，基于多特征提取的中文識(shí)別算法在聯(lián)機(jī)手寫漢字識(shí)別領(lǐng)域有很大的優(yōu)越性， 該算法簡單且易于實(shí)現(xiàn)，能有效利用漢字輸入時(shí)的 筆劃特征，識(shí)別效果上明顯勝過單純的結(jié)構(gòu)特征匹配算法，最主要的是該算法耗時(shí)少，能很好地滿足手寫漢字輸入的實(shí)時(shí)性要求。 同時(shí)該算法有存在著一些不足，表現(xiàn)在對鼠標(biāo)寫入的部分漢字圖像識(shí)別效果不好，主要有以下兩方面的原因： （１） 由于時(shí)間限制，預(yù)處理和識(shí)別算法實(shí)現(xiàn)上都存在一些不足，從而影響了識(shí)別效果 。 （２） 該算法實(shí)驗(yàn)階段采用的是 PC 模擬，而用于輸入的鼠標(biāo)設(shè)備在漢字輸入時(shí)容易彎曲、抖動(dòng)，以至筆劃很不規(guī)范，導(dǎo)致輸入漢字的識(shí)別效果不理想。在實(shí)際應(yīng)用中，漢字輸入終端都是專用的手寫設(shè)備，這樣便可以極大地提高識(shí)別率。 算法的前景 展望 正如本文緒論中所述 ,漢字識(shí)別應(yīng)用的領(lǐng)域越來越廣 ,在日常生活中的應(yīng)用也越來越多 ,這就對識(shí)別系統(tǒng)的資源消耗和實(shí)時(shí)性提出了很高的要求 ,該文所闡述的基于多特征提取的中文識(shí)別算法 資源消耗少 (不需要硬件加速 )、識(shí)別速度快，有著很好的應(yīng)用前景。 重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 參考文獻(xiàn) 26 參考文獻(xiàn) [1] Tsukumo J , Asai K. Machine printed Chinese and Japanese character recognition method and experiment for reading Japanese pocket book s [A ]. In: CVPR86: IEEE Computer Soci2ety Conf. on Computer Vision and Pattern Recognition[C ]. M i2am i, 1986: 162～ 167. [2] 張炘中 . 漢字識(shí)別技術(shù) [M ]. 北京 : 中文與東方語言信息處理學(xué)會(huì)出版社 , 1991. [3] 王緒龍 . 漢字信息處理 [M] ,北京 :國防工業(yè)出版社 ,1990. [4] ARAKAWAH. OnOline Recognition of Handwriting Characters[J ] . PR,1983 ,16 :9～16. [5] 張 炘 中， 漢字自動(dòng)識(shí)別研究綜述，中文信息，創(chuàng)刊號(hào)， PP11~14(1984). [6] 張 炘 中，我國漢字識(shí)別研究的進(jìn)展，中文信息學(xué) ,No3,PP1~7(1987). [7] 馬安鵬著， 《 Visual c++程序設(shè)計(jì)導(dǎo)學(xué)》，清華大學(xué)出版社。 [8] 錢能 ,《 C++程序設(shè)計(jì)教程》，清華大學(xué)出版社 。 [9] 譚浩強(qiáng)，《 C++程序設(shè)計(jì)》，清華大學(xué)出版社。 [10] 俞慶英 吳建國，一種聯(lián)機(jī)手寫漢字識(shí)別算法的研究和實(shí)現(xiàn)，合肥學(xué)院學(xué)報(bào)：自然科學(xué)版 2021年 1期。 [11] ，〈數(shù)字 圖像 處理〉，科學(xué)出版社， 1981. [12] Julius ,Rafael C. “ Pattern Recognition Principles” ,1974. [13] 陳友斌 ,丁曉青 ,吳佑壽 . 一種新的用于手寫漢字識(shí)別的非線性歸一化方法 . 模式識(shí)別與人工智能 ,1998 ,11 (3) :310 317. [14] 章毓敏， 圖像 處理和分析，清華大學(xué)出版社。 [15] 賈永康，識(shí)別聯(lián)機(jī)手寫體漢字的多級分類方法，信號(hào)處理 1995年 4期。 [16] 張青，小波變換在手寫體漢字識(shí)別中的應(yīng)用，電路與系統(tǒng)學(xué)報(bào)， 1996年 4期。