5、對腐蝕膨脹后的圖像進行Y方向上的區域選定，限定區域后的圖像如圖所示： 掃描方法：中間往兩邊掃

?

縱向掃描后的圖像與原圖像的對照，如圖8所示：

?

6、對腐蝕膨脹后的圖像進行X方向上的區域選定，限定區域后的圖像如圖9所示： 掃描方法：兩邊往中間掃

?

縱向掃描后的圖像與原圖像的對照，如圖所示：

?

7. 調用i8=（iiXY~=1），使背景為黑色（0），字符為白色（1），便于后期處理。 背景交換后的圖像如圖11所示：

8. 調用自定義函數（字符獲取函數）i9=getchar（i8），得到圖像如圖所示：

9、調用自定義的字符獲取函數對圖像進行字符切割，并把切割的字符裝入一維陣列，切割 過程如圖12所示：

10.調用以下代碼，可將陣列word中的字符顯示出來，如圖13所示：
?
? ? ? ? for j=1:cnum %cnum為統計的字符個數

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

? ? ? end

?可以看到，字符寬度不一致
?

11. 調用以下代碼，將字符規格化，便于識別： for j=1:cnum word{j}=imresize（word{j}，［40 40］）; %字符規格化成40×40的 end 得到規格化之后的字符如圖14所示：

12. 調用以下代碼創建字符集：

code=char（‘由于作者水平有限書中難免存在缺點和疏漏之處懇請讀批評指正，。’）;

將創建的字符集保存在一個文件夾里面，以供匹配時候調用，如圖15所示：

?

13. 字符匹配采用模板匹配算法：將現有字符逐個與模板字符相減，認為相減誤差最小的現 有字符與該模板字符匹配。

?

也就是說，字符A與模板字符T1更相似，我們可以認為字符集中的字符T2就是字符A。 經模板匹配，可得字符信息如下： 由于讀者書評有限書中難免存在缺點和紕漏之處，懇請讀者批評指正。 效果如圖16所示：

?

14、調用以下代碼，將字符放入newtxt.txt文本：

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

?

總結

1、算法具有局限性。對于左右結構的字符（如：川）容易造成誤識別，“川”字將會被識別成三部分。當圖片中文字有一定傾斜角度時，這將造成識別困難。

2、模板匹配效率低。對于處理大小為m×m的字符，假設有n個模板字符，則識別一個字符至

少需要m×m×n×2次運算，由于漢字有近萬個，這將使得運算量十分巨大！此次字符識 別一共花了2.838秒。

3、伸縮范圍比較小。對于受污染的圖片，轉換成二值圖像將使字符與污染源混合在一起。

對于具體的圖片，需反復選擇合適的thresh進行二值化處理，甚至在處理之前必須進行各種濾波。