文字提取、识别的详细步骤（二） - 基于matlab的文字识别算法

5、对腐蚀膨胀后的图像进行Y方向上的区域选定，限定区域后的图像如图所示： 扫描方法：中间往两边扫

 

纵向扫描后的图像与原图像的对照，如图8所示：

 

6、对腐蚀膨胀后的图像进行X方向上的区域选定，限定区域后的图像如图9所示： 扫描方法：两边往中间扫

 

纵向扫描后的图像与原图像的对照，如图所示：

 

7. 调用i8=（iiXY~=1），使背景为黑色（0），字符为白色（1），便于后期处理。 背景交换后的图像如图11所示：

8. 调用自定义函数（字符获取函数）i9=getchar（i8），得到图像如图所示：

9、调用自定义的字符获取函数对图像进行字符切割，并把切割的字符装入一维阵列，切割 过程如图12所示：

10.调用以下代码，可将阵列word中的字符显示出来，如图13所示：
 
        for j=1:cnum %cnum为统计的字符个数

        subplot（5，8，j），imshow（word{j}），title（int2str（j））; %显示字符 

      end

 可以看到，字符宽度不一致
 

11. 调用以下代码，将字符规格化，便于识别： for j=1:cnum word{j}=imresize（word{j}，［40 40］）; %字符规格化成40×40的 end 得到规格化之后的字符如图14所示：

12. 调用以下代码创建字符集：

code=char（‘由于作者水平有限书中难免存在缺点和疏漏之处恳请读批评指正，。’）;

将创建的字符集保存在一个文件夹里面，以供匹配时候调用，如图15所示：

 

13. 字符匹配采用模板匹配算法：将现有字符逐个与模板字符相减，认为相减误差最小的现 有字符与该模板字符匹配。

 

也就是说，字符A与模板字符T1更相似，我们可以认为字符集中的字符T2就是字符A。 经模板匹配，可得字符信息如下： 由于读者书评有限书中难免存在缺点和纰漏之处，恳请读者批评指正。 效果如图16所示：

 

14、调用以下代码，将字符放入newtxt.txt文本：

new=［‘newtxt’，‘.txt’］; c=fopen（new，‘a+’）; fprintf（c，‘%s ’，Code（1:cnum））; fclose（c）; newtxt.txt文本内容如图17所示：

 

总结

1、算法具有局限性。对于左右结构的字符（如：川）容易造成误识别，“川”字将会被识别成三部分。当图片中文字有一定倾斜角度时，这将造成识别困难。

2、模板匹配效率低。对于处理大小为m×m的字符，假设有n个模板字符，则识别一个字符至

少需要m×m×n×2次运算，由于汉字有近万个，这将使得运算量十分巨大！此次字符识 别一共花了2.838秒。

3、伸缩范围比较小。对于受污染的图片，转换成二值图像将使字符与污染源混合在一起。

对于具体的图片，需反复选择合适的thresh进行二值化处理，甚至在处理之前必须进行各种滤波。