本文共 1832 字，大约阅读时间需要 6 分钟。

一、简介

基于matlab的特征匹配的英文印刷字符识别，研究灰度转换、中值滤波、二值化处理、形态学滤波、图像与字符分隔等算法，形成了一套效果明显的字符图像识别算法。采用字符的归一化和细化处理方法，通过二值化和字体类型特征相结合的处理方法完成特征提取，建立了字符标准特征库，合理的模版匹配算法实现了印刷体字符的识别，matlab仿真代码亲测可用。

二、源代码

clear allclcclose all% 选择训练数据、测试数据路径（即目录TrainData和TestData）TrainDatabasePath = uigetdir('D:\Program Files\MATLAB\R2007b\work', '选择[训练数据]路径' );TestDatabasePath = uigetdir('D:\Program Files\MATLAB\R2007b\work', '选择[测试数据]路径');prompt = {'输入测试图像名字(1、2):'};dlg_title = 'PCA识别输入';num_lines= 1;def = {'1'};TestImage  = inputdlg(prompt,dlg_title,num_lines,def);TestImage = strcat(TestDatabasePath,'\',char(TestImage),'.jpg');im = imread(TestImage);T = CreateDatabase(TrainDatabasePath);%创建测试数据库[m, A, EigenPos] = PCA(T);OutputName = Recognition(TestImage, m, A, EigenPos);%识别输出匹配图像SelectedImage = strcat(TrainDatabasePath,'\',OutputName);SelectedImage = imread(SelectedImage);imshow(im)title('测试图像');figure,imshow(SelectedImage);title('等价图像');unction OutputName = Recognition(TestImage, m, A, EigenPos)% 识别操作:比较两图像，通过将图像映射到特征空间，并测量两者间的欧式距离% 参数:TestImage 输入测试图像路径%       m   (M*Nx1) 训练数据库的均值%      EigenPos   (M*Nx(P-1)) 训练数据的协方差矩阵特征向量%       A     (M*NxP) 居中的图像向量矩阵 % 返回：OutputName  训练数据库中被识别出来的图像名字            % 所有居中的图像通过乘以Eigenfaces来进行映射，每一副图的映射向量将是对应的特征向量ProjectedImages = [];Train_Number = size(EigenPos,2);for i = 1 : Train_Number    temp = EigenPos'*A(:,i); %居中的图像映射    ProjectedImages = [ProjectedImages temp]; end% 从测试图像中提取出PCA特征InputImage = imread(TestImage);temp = InputImage(:,:,1);[irow icol] = size(temp);Difference = double(InImage)-m; % 居中的测试图像ProjectedTestImage = EigenPos'*Difference; % 测试图像特征向量% 计算被映射的测试图像与所有居中的训练图像投影之间的欧式距离% 设定测度图像与训练数据库中相应图像有最小距离Euc_dist = [];for i = 1 : Train_Number    q = ProjectedImages(:,i);    temp = ( norm( ProjectedTestImage - q ) )^2;    Euc_dist = [Euc_dist temp];end

三、运行结果

四、备注

完整代码或者代写添加QQ1575304183

往期回顾>>>>>>

​​​​​​​

​​​​​​​

​​​​​​​

​​​​​​​

​​​​​​​

​​​​​​​

​​​​​​​

​​​​​​​

转载地址：http://sdgx.baihongyu.com/