字符预处理及分割算法实现毕业设计(论文)中期报告.doc

计算机科学与工程学院 毕业设计（论文）中期报告 题目:字符识别与分割处理算法实现 专 业： 软件工程 班 级： 2班 学生姓名： 李先林 指导教师： 赵晶莹  毕业设计（论文）进展情况概要 本文主要研究和结合现有字符处理和分割的算法，并在此基础上进行改进和进行整合形成新的算法用于实现西傣文预处理及文字分割，首先对傣文字符图片进行预处理，接着对西傣文字符图片进行分割，然后再对切割后的字符做归一化处理，从而形成新的样本库。具体地说,就是将扫描进来的西傣族文图像用图像小波去噪理论算法将图片去噪，因为在平滑去噪的过程中，为了消除噪声，会将图像边缘的部份结构模糊掉，这会对图像边缘和细节信息造成一定的破坏。目前大部份滤波方法都会产生边缘模糊、边缘移动、边缘失真及细节丢弃的后果，因此还需对图像的采用平滑去噪处理。然后将图像灰度二极化处理，这样可以进一步对图像处理，获得该图像的一些几何特征或者其他更多特征。本文的仿真实验程序在集成环境中开发， 不同的小波基具有不同的时频特征，用不同的小波基分析同一个问题会产生不同的结果，故小波分析在应用中便存在一个小波基或小波函数的选取和优化问题。我们在应用中要把握小波函数的特征，根据应用需要，选择合适的小波基。在小波分析应用中要考查小波函数或小波基的连续性、正交性、对称性、消失矩、线性相位、时频窗口的中心和半径以及时频窗的面积等，这些特征关系到如何选择合适的小波基。本节选取了一些常见的小波基，首先固定小波分解层数和阈值，然后改变小波基，运行结果。通过计算峰值信噪比(PSNR)来判定哪个小波基对医学图像去噪效果好。不同的小波基具有不同的时频特征，用不同的小波基分析同一个问题会产生不同的结果，故小波分析在应用中便存在一个小波基或小波函数的选取和优化问题。我们在应用中要把握小波函数的特征，根据应用需要，选择合适的小波基。在小波分析应用中要考查小波函数或小波基的连续性、正交性、对称性、消失矩、线性相位、时频窗口的中心和半径以及时频窗的面积等，这些特征关系到如何选择合适的小波基。本节选取了一些常见的小波基，首先固定小波分解层数和阈值，然后改变小波基，运行结果。通过计算峰值信噪比(PSNR)来判定哪个小波基对医学图像去噪效果好。 在实际的小波图像去噪过程中，不同信号、不同信噪比下都存在一个去噪效果最好或接近最好的分解层数，分解层数对于去噪效果的影响很大。 通常分解层数过多，并且对所有的各层小波空间的系数都进行阈值处理会造成信号的信息丢失严重，去噪后的信噪比反而下降，同时导致运算量增大，使处理速度变慢。 分解层数过少则去噪效果不理想，信噪比提高不多。 因此分解层数的确定作为一个核心的问题需要解决。 以下是相应的仿真程序 clear; % 清理工作空间 I=imread (‘’); %装载原始图像 X1=rgb2gray(I); X=double(X1); [m,n]=size(X); x=imnoise(X1,gaussian,0、02); %加入高斯噪声 %分层阈值处理 for i=1:6 [c,s]=wavedec2(x,i,coif2); % i层小波分解 [thr3,nkeep3]=wdcbm2(c,s,2);% 提取i层阈值 Duo(:,:,i)=wdencmp(lvd,c,s,coif2,i,thr3,h);% i层小波去噪 psnr(i)=10*log10(m*n*max(max(X、^2))/sum(sum((double(X)-double(Duo(:,:,i)))、^2))); % i层小波去噪后图像的峰值信噪比 end % 显示各层去噪后图像 for i=1:6 figure, imshow(Duo(:,:,i),[]) end figure， plot(psnr) axis([0 6 5 25]) title(不同层次去噪后图像峰值信噪比走势图‘) OTSU）、迭代法。本文主要采用的全局阈值分割法，以及直方图技术。 四、分割字符的归一化处理 归一化的目的是将切割而来的字符按字号大小逐渐地放大，matlab图像处理工具箱中的imresize函数和imrote函数。不用自己写算法就可以对图像进行放大、缩小,旋转等多种处理操作。然后在放大过程中，有些像素值分布不均匀会出现一些失真现象，matlab图像处理工具箱也提供了最近邻点法和双线性插值法可以很好的解决非整数点灰度值的校正。图4.11为运行效果图 图4.11其中一个字符归一下放大的效果