硬幣表面形狀的自動(dòng)檢測(cè)與識(shí)別研究畢業(yè)設(shè)計(jì)-展示頁(yè)
2024-12-15 15:27本頁(yè)面
【正文】 Y1 PY11 50 PY1 1 PY1 PY11 end PY2 Y while Y1 PY21 50 PY2 y PY2 PY21 end IY I PY1PY2 求的車牌的列起始位置和終止位置 X1 zeros 1x for j 1x for i PY1PY2 if I6 ij1 1 X1 1j X1 1j 1 end end end subplot 322 plot 0x1X1 title 列方向像素點(diǎn)灰度值累計(jì)和 xlabel 列值 ylabel 像數(shù) PX1 1 while X1 1PX1 3 PX1 x PX1 PX11 end PX2 x while X1 1PX2 3 PX2 PX1 PX2 PX21 end PX1 PX11 PX2 PX21 分割出圖像 dw I PY1PY2PX1PX2 subplot 323 imshow dw title 定位剪切后的彩色圖像 確定位置后下一步的任務(wù)就是進(jìn)行字符切分分離出的全部字符 圖像 if isrgb I I1 rgb2gray I 將 RGB 圖像轉(zhuǎn)化為灰度圖像 else I1 I end g_ double I1 g_min double min min I1 T round g_ g_g_min 3 T 為二值化的閾值 [mn] size I1 d 二值圖像 h graythresh I1 I1 im2bw I1T256 subplot 324 imshow I1 title 二值化圖像 二值化圖像 I2 bwareaopen I120 subplot 325 imshow I2 title 形態(tài)學(xué)濾波后的二值化圖像 濾波后的二值化圖像 [y1x1z1] size I2 I3 double I2 TT 1 去除圖像頂端和底端的不感興趣區(qū)域 Y1 zeros y11 for i 1y1 for j 1x1 if I3 ij1 1 Y1 i1 Y1 i1 1 end end end Py1 1 Py0 1 while Y1 Py01 20 Py0 y1 Py0 Py01 end Py1 Py0 while Y1 Py11 20 Py1 y1 Py1 Py11 end I2 I2 Py0Py1 subplot 326 imshow I2 title 目標(biāo)區(qū)域 目標(biāo)區(qū)域 分割字符按行積累量 X1 zeros 1x1 for j 1x1 for i 1y1 if I3 ij1 1 X1 1j X1 1j 1 end end end figure 5 plot 0x11X1 title 列方向像素點(diǎn)灰度值累計(jì)和 xlabel 列值 ylabel 累計(jì)像素量 圖 313 列方向像素點(diǎn)灰度值累計(jì)和 Px0 1 Px1 1 分割字符 for i 17 while X1 1Px0 3 Px0 x1 Px0 Px01 end Px1 Px0 while X1 1Px1 3 Px1 x1 Px1Px0 10 Px1 Px11 end Z I2 Px0Px1 switch strcat Znum2str i case Z1 PIN0 Z case Z2 PIN1 Z case Z3 PIN2 Z case Z4 PIN3 Z case Z5 PIN4 Z case Z6 PIN5 Z otherwise PIN6 Z end figure 3 subplot 17i imshow Z Px0 Px1 End 33 硬幣字符識(shí)別 字符識(shí)別方法主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法基于模板匹配算法是首先將分割后的字符二值化并將其尺寸縮放為字符數(shù)據(jù)庫(kù)中模板的大小然后與所有模板進(jìn)行匹配最后選取最佳匹配作為結(jié)果建立數(shù)字庫(kù)對(duì)該方法在識(shí)別過(guò)程中很重要 數(shù)字庫(kù)準(zhǔn)確才能保證檢測(cè)出的數(shù) 據(jù)正確基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種一種是先對(duì)特征提取待識(shí)別字符然后用所獲得的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器另一種是直接將待處理圖像輸入網(wǎng)絡(luò)由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別結(jié)果在本程序中用基于人工神經(jīng)元網(wǎng)絡(luò)識(shí)別字符在字符識(shí)別部分 字符集中包含約 50個(gè)漢字 26個(gè)大寫英文字母及 10個(gè)阿拉伯?dāng)?shù)字總的字符樣本并不太多 構(gòu)造訓(xùn)練樣本如下圖所示的數(shù)字 圖 314 樣本數(shù)字 將樣本進(jìn)行歸一化為 50X20 大小再將圖像按列轉(zhuǎn)換成一個(gè) 1000X1 的行向量將上述 18 個(gè)圖像的樣本排列在一起構(gòu)成 1000X18 的矩陣樣本盡可能多的采集圖像提取 部分切分出字符構(gòu)造出更多 1000X18 的矩形樣本用構(gòu)造好的樣本庫(kù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練 function inpt pretreatment I YUCHULI Summary of this function goes here Detailed explanation goes here if isrgb I I1 rgb2gray I else I1 I end I1 imresize I1[50 20] 將圖片統(tǒng)一劃為 5020 大小 I1 im2bw I109 [mn] size I1 inpt zeros 1mn 將圖像按列轉(zhuǎn)換成一個(gè)行向量 for j 1n for i 1m inpt 1m j1 i I1 ij end end 構(gòu)造輸入樣本按同樣的方法將前面分割出的樣本歸一化 神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別 close all clear all 歸一化訓(xùn)練樣本 I0 pretreatment imread 0jpg I1 pretreatment imread 1jpg I2 pretreatment imread 2jpg I3 pretreatment imread 3jpg I4 pretreatment imread 4jpg I5 pretreatment imread 5jpg I6 pretreatment imread 6jpg I7 pretreatment imread 7jpg I8 pretreatment imread 8jpg I9 pretreatment imread 9jpg I10 pretreatment imread Ajpg I11 pretreatment imread Cjpg I12 pretreatment imread Gjpg I13 pretreatment imread Ljpg I14 pretreatment imread Mjpg I15 pretreatment imread Rjpg I16 pretreatment imread Hjpg I17 pretreatment imread Njpg P [I0I1I2I3I4I5I6I7I8I9I10I11I12I13I14I15I16I17] 輸出樣本 T eye 1818 bp 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置 newff min P [10003218] logsiglogsiglogsig trainrp inputWeights 11 initF randnr layerWeights 21 initF randnr hs 5000 50 0003 00000000001 init 訓(xùn)練樣本 [tr] train PT 測(cè)試 I imread DSC01323jpg I imread DSC01344jpg dw location I 硬幣定位 [PIN0PIN1PIN2PIN3PIN4PIN5PIN6] StringSplit dw 字符分割及處理 測(cè)試字符得到識(shí)別數(shù)值 PIN0 pretreatment PIN0 PIN1 pretreatment PIN1 PIN2 pretreatment PIN2 PIN3 pretreatment PIN3 PIN4 pretreatment PIN4 PIN5 pretreatment PIN5 PIN6 pretreatment PIN6 P0 [PIN0PIN1PIN2PIN3PIN4PIN5PIN6] for i 27 T0 sim P0 i T1 pet T0 d find T1 1 1 if d 10 str A elseif d 11 str C elseif d 12 str G elseif d 13 str L elseif d 14
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1