数字图像处理作业 数字识别

摘要

介绍了一种简易的标准数字识别的方法，与传统的方法比较，算法简易了许多，识别的速度较快，本文主要从图像的预处理，数字图像分割以及数字识别三个方面设计思想进行简单的讨论，实际对一串数字的图像进行处理，并且得到了正确的识别结果。

关键词

图像处理，数字识别，图像分割

引言

数字识别是模式识别中的一个代表性问题，而是该问题在现实生活中也具有显著地应用价值，所以，它理论研究一直受到人们的青睐。数字识别系统在多个方面有应用价值，比如：大型的数据统计（人口，工农业普查），大量的金融相关票据，身份证号码识别，甚至是邮件的分拣中都发挥了很大的作用。数字识别系统的理论价值，首先，阿拉伯数字有明显优越性，类别不大，而且不受国界影；其次，虽然国内外对数字识别的研究很多，但是其系统的判断能力还远远不及大脑；最后，数字识别研究理论还可以延生应用到字母识别中去，对二十六个字母组成的英文识别带来可能，此外，还可以将之应用到其他一些问题。本文主要内容：一是介绍数字识别的研究内容和发展状况，二是数字识别过程中的预处理，分割，以及识别等方法；三是数字识别的发展前景。

正文

1.1设计思想

把要识别的图片读入，分三步处理，第一，进行预处理，主要包括滤波处理和二值化处理；第二，数字分割，把处理好的数字图片中的每个数字分割处理；第三，数字识别，把分割出来的数字与与模板数字一一对比，并识别出图片上的数字。 1.2 实现过程 （一）图像预处理

（1）把原图（彩图）用imread语句读入系统

（2）彩图分层处理

将彩图分成R,B,G三个图层，分别对三个图层进行滤波（中值滤波）和二值化，可以得到以下图样：

（3）三层图像合并

（4）上图中有依然有许多椒盐噪声，可使用中值滤波滤去椒盐噪声，并且将图片二值化。

（二）图像分割

（1）确定图像中数字的大致高度：

先自上而下对图像进行逐行扫描，并且计算黑色像素点的总个数，当黑色像素点的数目大于某个数值（避免有一些“椒噪声”出现误判），记录下行数；然再自下而上进行逐行扫描，并且计算每行黑色像素点的总个数，当黑色像素点

的数目大于某个数值（这个要视情况设定），记录下行数。这两个行号就是数字大致的高度范围。结果如下图所示。

（2）确定每个数字的左右起始位置：

与第（1）步相似，在上一步得到图像中，从左向右逐列扫描，并且计算黑色像素点的总个数，当黑色像素点的数目大于某个数值（避免有一些“椒噪声”出现误判），记录下列数，认为是该数字分割的起始位；然后继续从左向右逐列扫描，并且计算每行黑色像素点的总个数，当色像素点的数目小于某个数值，记录下列数，认为是该数字分割的右终止位。准备开始下一个数字的分割，按照上述的方法继续扫描，知道扫描到图像的最右端，这样便得到每一个数字的大致宽度范围，执行结果如下图：

（三）数字识别

（1）像素点阵标准化

分别对每个分割出来的数字进行识别，由于分割出来的数字图像与标准模板的大小（像素点阵规格）并不相同，所以必须对他们统一成一样大小的点阵（比如：m*n），下图是数字模板图像。

（2）对比识别

先给出一个计数器sum，且将之置sum=0.将要识别的图像与每个模板图像一一比较，每两张图像比较过程是将对应像素点（只有0或1）一一对比，如果像素点的灰度值相同（同为0或同为1），计数器加1，如果灰度值不同则不加，比较结束后算出相同像素点的比例，即相似度P=sum/(m*n)。相似度最大的那个模板的数字就是要识别的图像上的数字了。将分割完数字进行识别可以得到以下结果： y =

3 2 1 8 0 7 6 4 5 9 识别正确。

结论

本文的数字识别方法与传统的方法比较，图像的预处理，数字图像分割以及数字识别三个方面设计思想比较简单，算法也简易了许多，识别的速度较快，但是依然存在一些问题，在数字的字迹比较模糊的时候会出现误判的情况，所以在算法还好改进的空间。

参考文献

[1] 邬建瓴 数字识别及其应用 华中科技大学 2006年5月10日

[2] 陈展东，白宝兴 数字识别算法研究 长春理工大学学报 2010年3月 第33卷第1期 [3] 陈明华 印刷体数字识别算法研究 华中科技大学 2012年1月 [4] 张珍荣 印刷体数字识别系统研究与设计 江西理工大学 2012年6月

[5] 王亚坤 曾德良 李向菊 一种新颖的数字识别算法 电力科学与工程 2009年1月 第25卷第1期

附录：

1、图像预处理程序：

clc

I=imread('3.png'); figure; imshow(I);

imwrite(I,'000.png'); %输出原图 PR=I(:,:,1);

PR=im2bw(PR,0.5); PR=medfilt2(PR,[4,4]); PG=I(:,:,2);

PG=im2bw(PG,0.5); PG=medfilt2(PG,[4,4]); PB=I(:,:,3);

PB=im2bw(PB,0.5); PB=medfilt2(PB,[4,4]); P=cat(2,PR,PG,PB); figure; imshow(P);

imwrite(P,'001.png');

%输出三幅处理完的分量图 PRPG=(PR+PG+PB)/3; PRPG=im2bw(PRPG,0.8); figure;

imshow(PRPG);

imwrite(PRPG,'002.png'); %三幅分量图的合并

PRPG=medfilt2(PRPG,[4,4]); figure;

imshow(PRPG);

imwrite(PRPG,'003.png'); %处理合成图像

2、数字分割：

clc

I=imread('003.png'); s=size(I);

I=1-I;%图像取反 as=0;i=20;j=0; while j==0 while as<20 i=i+1; a=I(i,:);

as=sum(a); end

x1=i;%自上而下逐行扫描，且记录去行数 as=0;i=s(1)-20; while as<20 i=i-1; a=I(i,:); as=sum(a); end

x2=i;%自下而上逐行扫描，且记录去行数 if x2-x1>50 j=j+1; end end

A=I(x1:x2,1:s(2)); AA=1-A; figure;

imshow(AA);

imwrite(AA,'shangxia.png'); %输出上下切割后得到的图像 i=0;j=0; while iwhile (as==0)&&(u>0) if ib=A(:,i); as=sum(b); u=s(2)-i; end

z1=i;%逐列扫描，字母的起始位 while (as>0)&&(u>0) if ib=A(:,i); as=sum(b); u=s(2)-i; end

z2=i;%继续逐列扫描，字母的右终止位 if z2-z1>10 j=j+1;

y1(j)=z1;y2(j)=z2; end

end %确定字符宽度 for j=1:10

B=I(x1:x2,y1(j):y2(j)); BB=1-B; figure;

imshow(BB);

imwrite(BB,['fg',num2str(j),'.png']); end

%输出每一分割的数字图像

3、数字识别

for i=1:10 %将分割完的图像一一取出

I=imread(['fg',num2str(i),'.png']);I=im2bw(I); for j=0:9 %将要识别图像与模板一一对比 J=imread(['mb1',num2str(j),'.png']);J=im2bw(J); [m,n]=size(J);

I=imresize(I,[m,n]); E=abs(I-J); ss=sum(E); s=sum(ss);

s=s/(m*n);%计算相似度

x(j+1)=s;%把每个相似度放到一个数组 end

xmin=min(x); a=find(x==xmin);

y(i)=a-1;%判别的数字，且放到一个数组 x end y

%把识别结果输出