数据挖掘竞赛赛前指导-MATLAB处理图像杨坦解读.ppt

理想情况下的字符分割 figure,imshow(D) %显示切分出来的第一行文字 f=sum(not(D),1); %在列方向上计算目标像素的投影 figure,plot(f) %显示投影数组 g=f0; h=diff(g); k1=find(h==1)+1 %定位每个字符开始的列号 k2=find(h==-1) %定位每个字符结束的列号 k=[k1;k2]; %合成记录字符列位置的二维数组 使用循环将字符位置写入box文件 * 复杂图像的情况 A=imread(ocr2.jpg); imshow(A) B=rgb2gray(A); figure, imshow(B) %显示灰度图像 a=graythresh(B) %计算二值化所需的阈值 C=im2bw(B,a); %二值化 figure,imshow(C) 该如何解决？ * 复杂图像的情况 思路：寻找文字部分的稳健的特征 图像锐化：凸显图像中的细微部份或增强已经模糊的细节 找出文字的边缘 微分算子会使图像锐化，使常量区域为0 * 复杂图像的情况 计算数字函数的导数以差分的形式实现，有不同的定义 用于一阶导数的定义需要满足： (1) 在平坦段必须为零(常数灰阶值区域) (2) 在灰阶步阶或斜面起始处必须不为零 (3) 沿着斜面必须不为零 * 复杂图像的情况 二次导数的任何定义需要： (1) 在平的区域必须为零 (2) 在灰阶步阶或斜函数的起始以及尾端必须不为零 (3) 沿着有常数斜率之斜面必须为零 将二阶导数定义成差分式 对二维函数而言 * 复杂图像的情况 采用空间滤波的方式实现图像的锐化 空间滤波是一种邻域操作 定义中心点(x,y) 对于先定义的以(x,y)为中心的邻域内的像素进行运算 令结果为该点处处理的响应 对图像的每一点重复此操作 这里采用的处理是：将邻域中每个像素与相应的系数相乘，然后将结果进行累加，从而得到该点处的响应。 邻域系数表现为一个矩阵。该系数矩阵也称为滤波器、掩模、核、模板或窗。 * 二维滤波：卷积 * 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 2 3 4 5 6 7 8 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 二维滤波：卷积 * 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2 3 0 0 0 0 0 0 4 5 6 0 0 0 0 0 0 7 8 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 8 7 0 0 0 0 0 0 6 5 4 0 0 0 0 0 0 3 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 复杂图像的情况 生成预定义的滤波掩模w w = fspecial(type,paramters) type选项 average：矩形平均滤波器 disk：圆形平均滤波器 gaussian：高斯低通滤波器 laplacian：拉普拉斯滤波器(二阶导算子） log：高斯—拉普拉斯滤波器 * 复杂图像的情况 思路：寻找文字部分的稳健的特征 图像增强：使用（空间）滤波来找出文字的边缘 w=fspecial(laplacian,0) C=imfilter(B,w); figure,imshow(C) a=graythresh(C) %计算二值化所需的阈值 D=im2bw(C,a); f