基于“斜率”特征值的数字识别

实验报告

实验目的：能准确识别数字（针对图像中仅含一个数字的情况）

 

实验准备：

准备含0~9十个数字各5张的标准数字字符图像，其图像大小均为64x32 pixel。除此之外还准备若干张不标准的数字字符图像，图像大小同标准数字图像，用于测试识别的准确率。

 

实验环境：MATLAB R2016a

 

实验步骤：

首先，读取5*10张标准图片，然后将图片进行二值化；其次将图片分为A、B、C、D、E、F、G、H八个区域（见图1），再分别统计每张图片中每个区域内的像素点数目，将相邻区域像素个数两两做差，得出“斜率”，作为该数字的标准数字特征集之一；最后，将测试图像二值化，计算该图像的斜率特征集，与标准数字特征集进行比较，识别该图像。

图1  图像8分割图

 

实验改进：

考虑到给定的图像都是标准字符的数字图像，因此将每一张图像的特征集都作为一个独立的特征，同时也综合考虑图像的平均特征。简单来说，原来一个数字只有一个标准平均特征集，现在一个数字将有6个标准特征集（五个图像特征集 + 一个平均图像特征集），测试图像的特征集只要与其中一个特征集相似，则认为测试图像即为该特征集所代表的数字，从而完成数字识别。

 

标准图像图库（见图2）：

图2  标准图像的图库展示

 

测试图像图库（见图3）：

图3  测试图像的图库展示

 

实验代码：

见附录。

实验结果：

 

实验分析：

分析实验结果，发现识别正确率达94.74%，但是测试集内的数字仍然相对来说比较端正、标准，那么对于存在内容缺失情况的数字图像的识别结果如何呢？算法仍待进一步提高！

 （PS：标准图像图库和测试图像图库在百度云中。

链接：https://pan.baidu.com/s/1tmKhU5dKmGw0c_K_QugEnA 密码：kg3b）

附录

Part_Three.m

result =zeros(1,10);feature=zeros(60,10);
for i=0:9
    z0 = double(imread(strcat(num2str(i),'_Arial.bmp')));
    z1 = double(imread(strcat(num2str(i),'_Courier.bmp')));
    z2 = double(imread(strcat(num2str(i),'_SongTi.bmp')));
    z3 = double(imread(strcat(num2str(i),'_Times.bmp')));
    z4 = double(imread(strcat('just_',num2str(i),'.bmp')));
    thresh = graythresh(z0);z0 =im2bw(z0,thresh);thresh = graythresh(z1);z1 = im2bw(z1,thresh);
    thresh = graythresh(z2);z2 =im2bw(z2,thresh);thresh = graythresh(z3);z3 = im2bw(z3,thresh);
    thresh = graythresh(z4);z4 =im2bw(z4,thresh);
    r1=feature_vector(z0);r2=feature_vector(z1);r3=feature_vector(z2);r4=feature_vector(z3);r5=feature_vector(z4);
    feature(i*6+1,:) = r1;
    feature(i*6+2,:) = r2;
    feature(i*6+3,:) = r3;
    feature(i*6+4,:) = r4;
    feature(i*6+5,:) = r5;
    feature(i*6+6,:) = (r1 + r2 + r3 + r4+r5)./4;
end

test = double(imread('C:\Users\Lenovo\Desktop\testSet\just_57.bmp'));
thresh = graythresh(test);
test= im2bw(test,thresh);
r=feature_vector(test);

for i=1:60
    result(i) = (feature(i,1) - r(1)).^2 +(feature(i,2) - r(2)).^2 + (feature(i,3) - r(3)).^2 + (feature(i,4) - r(4)).^2+ (feature(i,5) - r(5)).^2 +...
        (feature(i,6) - r(6)).^2 +(feature(i,6) - r(6)).^2 + (feature(i,8) - r(8)).^2 + (feature(i,9) - r(9)).^2+ (feature(i,10) - r(10)).^2;
end

[x,y] = min(result);
yy = fix((y-1)/6);
X = sprintf('it is %d',yy);
disp(X)

feature_vector.m

function r = feature_vector(z)
a=0;b=0;c=0;d=0;e=0;f=0;g=0;h=0;
for m=1:16
    for n=1:16
        if z(m,n) == 1
            a = a+1;
        end
    end
end

for m=1:16
    for n=17:32
        if z(m,n) == 1
            b = b+1;
        end
    end
end

for m=17:32
    for n=1:16
        if z(m,n) == 1
            c = c+1;
        end
    end
end

for m=17:32
    for n=17:32
        if z(m,n) == 1
            d = d+1;
        end
    end
end

for m=33:48
    for n=1:16
        if z(m,n) == 1
            e = e+1;
        end
    end
end
 
for m=33:48
    for n=17:32
        if z(m,n) == 1
            f = f+1;
        end
    end
end
 
for m=49:64
    for n=1:16
        if z(m,n) == 1
            g = g+1;
        end
    end
end
 
for m=49:64
    for n=17:32
        if z(m,n) == 1
            h = h+1;
        end
    end
end

r(1)=b-a;r(2)=c-a;r(3)=d-b;r(4)=d-c;r(5)=e-c;
r(6)=f-d;r(7)=f-e;r(8)=g-e;r(9)=h-f;r(10)=h-g;