DSP在数字识别中的应用.docVIP

DSP在数字识别中的应用 指导老师： 学院： 班级： 姓名： 学号： 目录 1 数字识别方法综述 - 2 - 2 数字识别算法及步骤 - 2 - （1）图像的灰度化 - 2 - （2）图像二值化 - 4 - （3）Canny边缘检测 - 5 - （4）投影定位 - 6 - （5）数据存储 - 6 - 3 结论 - 7 - 参考文献 - 7 - 附录： - 7 - DSP完整运行程序： - 7 - 1 数字识别方法综述 数字识别（Digital Recognition）是光学字符识别技术的一个分支，数字识别分为印刷体数字识别和手写体数字识别[1]。本设计主要研究印刷体数字识别。 数字识别方法通常包括两大方面内容，一是图像的预处理，二是模式识别。 其中，图像的预处理包括以下方面：彩色图像的灰度化、梯度锐化、灰度图像的二值化、去离散噪声、倾斜度调整、中值滤波技术、图像分割、归一化调整、图像的紧缩重排。模式识别通常包括BP神经网络和特征提取。 本次设计首先把图像灰度化和二值化;然后对二值化的图像做边缘提取，在此选择Canny边缘提取算法；经过二值化和边缘提取后的图像，利用投影法定位数字在图像中的位置，并给出数字在图像中的外接矩形；利用CCS把处理结果显示出来。 2 数字识别算法及步骤 （1）图像的灰度化 在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。一般有以下四种方法对彩色图像进行灰度化： 1.分量法 将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。 f1(i,j)=R(i,j) f2(i,j)=G(i,j)f3(i,j)=B(i,j) 其中fk(i,j)(k=1,2,3)为转换后的灰度图像在（i,j）处的灰度值。2.最大值法 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。 f(i,j)=max(R(i,j),G(i,j),B(i,j)) 3.平均值法 将彩色图像中的三分量亮度求平均得到一个灰度值。 f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 4.加权平均法 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。 f(i,j)= R(i,j)+0.587G(i,j)+0.144B(i,j)) 在此使用OpenCV实现图像的灰度化，具体代码如下： //灰度图函数 void CDigIdentifyDlg::OnGrayImage() { // TODO: 在此添加命令处理程序代码 IplImage* OpenCvGrayImage; //定义变换后的灰度图指针 unsigned char* ptr; //指向图像的数据首地址 BYTE B; //中间过程变量 BYTE G; BYTE R; if (imgSrc == NULL) { MessageBox(L图片未打开); return; } OpenCvGrayImage=cvCreateImageHeader(cvGetSize(imgSrc), imgSrc-depth, 1); //有的图像的每行字节不是imgSrc-width的整数倍，即imgSrc-width*通 //道数imgSrc-widthStep%imgSrc-width,所以直接使用创建的灰度图的 //每行的字节数，即OpenCvGrayImage-widthStep int i = (OpenCvGrayImage-widthStep) * imgSrc-height; ptr = new unsigned char[i]; for(int i = 0; i imgSrc-height; i++) //对RGB加权平均，权值参考OpenCV { for(int j = 0; j imgSrc-width; j++) { B = (BYTE)imgSrc-imageData[i*imgSrc-widthStep + j*3]; //B分量 G = (BYTE)imgSrc-imageData[i*imgSrc-widthStep + j*3 + 1]; //G分量 R = (BYTE)imgSrc-imageData[i