字符识别基于matlab BP神经网络字符识别【含Matlab源码 1358期】.zip

% clc; clear all; close all; % warning off all; % % 获取字符集 % fd = fullfile(pwd, 'images', 'dbx'); % fds = dir(fd); % ts = []; % for i = 1 : length(fds) % if isequal(fds(i).name, '.') || isequal(fds(i).name, '..') % continue; % end % ts{end+1} = fds(i).name; % end % files = GetAllFiles(fd); % % 提取字符集合的特征向量 % db_file = fullfile(pwd, 'VL.mat'); % if exist(db_file, 'file') % load(db_file); % else % VT = []; % LT = []; % for i = 1 : length(files) % im = imread(files{i}); % [~, v] = get_feature(im); % % 特征 % VT = [VT v]; % [pn, ~, ~] = fileparts(files{i}); % [~, nm, ~] = fileparts(pn); % for j = 1 : length(ts) % if isequal(ts{j}, nm) % % 标签 % LT = [LT j]; % break; % end % end % end % save(db_file, 'VT', 'LT'); % end % % BP训练 % net_file = fullfile(pwd, 'bp_net.mat'); % if exist(net_file, 'file') % load(net_file); % else % % p_train=VT; % t_train=LT; % [pn,minp,maxp,tn,mint,maxt] = premnmx(p_train, t_train); % threshold=minmax(pn); % net=newff(threshold,[30,20,10,1],{'tansig','tansig','tansig','purelin'},'trainlm'); % net.trainParam.epochs=10000; % net.trainParam.goal=1e-5; % net.trainParam.show=50; % net.trainParam.lr=0.01; % net=train(net,pn,tn); % % 存储网络 % save(net_file, 'net', 'minp', 'maxp', 'mint', 'maxt'); % end function xx=jianc() m=1;%图片的亮度系数对与识别成功率影响很大，如果图片本身对比度很高（你的图片的对比度就很高）值设为1即可，如果光线较暗可适当提高数值反之亦然。 %类似我文件夹中的图片，需将m设置为0.5~0.3，否则连续域处理无法实现程序无法响应 [fn,pn,fi]=uigetfile('*.jpg','选择图片'); %选择图片 I=imread([pn fn]);figure(1),imshow(I);title('原始图像');%显示原始图像 %J=imadjust(I,[0.2 0.6],[0 1],m);figure(2),imshow(J);title('灰度图像'); %调整图像灰度并调高亮度 grayimg = I;BWimg = grayimg;[width,height]=size(grayimg);%灰度图数据传递，导入宽高 %thresh = graythresh(I); %自动确定二值化阈值； A=im2bw(I,0.6); % thresh=0.5 表示将灰度等级在128以下的像素全部变为黑色，将灰度等级在128以上的像素全部变为白色。 figure(3);imshow(A);title('二值化图像');%显示图像 bw = edge(A,'sobel','vertical'); figure(4); imshow(bw);title("边缘图像"); % 垂直边缘检测 Z = strel('rectangle',[30,18]);%连通域处理 bw_close=imclose(bw,Z);figure(5);imshow(bw_close);title("闭操作");%连通域闭处理 bw_open = imopen(bw,Z);figure(6);imshow(bw_open );title("开操作");%连通域开处理 showImg = grayimg;%灰度图数据传递 %图像数据二值化处理,如果图像尺度过大会使处理时间几何倍增加，所以尽量使用小尺度图片，（你的图片完全OK）我提供个测试图片就属于过大的了 for i=1:width for j=1:height if(BWimg(i,j) == 255) showImg(i,j)= grayimg(i,j); else showImg(i,j)= 0; end end end figure(7); imshow(showImg);%可视化显示二值化图像 [l,m] = bwlabel(bw_close); %连续域标签 status=regionprops(l,'BoundingBox');%图像区域度量 centroid = regionprops(l,'Centroid');%字符区域度量 imshow(I);hold on; a=[-7,-7,7,7]; for i=1:m if status(i).BoundingBox(1,3) > status(i).BoundingBox(1,4) status(i).BoundingBox(1,4)=status(i).BoundingBox(1,3); else status(i).BoundingBox(1,3)=status(i).BoundingBox(1,4); end status(i).BoundingBox=status(i).BoundingBox+a; rectangle('position',status(i).BoundingBox,'edgecolor','g');%字符画框 text(centroid(i,1).Centroid(1,1)-25,centroid(i,1).Centroid(1,2)-25, num2str(i),'Color', 'r') %字符框标号 end for i=1:m cropimg_2 = imcrop(A,status(i).BoundingBox);%画框部分图像截取 cropimg_2 = imresize(cropimg_2,[28,28]); for j=1:7 lj=['C:\\Users\\头发日常有点乱\\Documents\\MATLAB\\hanzishuziluomaxila\\imagess\\',num2str(j),'.bmp']; x=imread(lj); a(j)=corr2(cropimg_2,x);%矩阵匹配 end xx=find(a==max(a)); fprintf('%d\n',xx); %imwrite(cropimg_2,['C:\\Users\\头发日常有点乱\\Documents\\MATLAB\\hanzishuziluomaxila\\LXJC\\',num2str(j),'.bmp'],'bmp')%将截取部分的图像暂时存储在LXSB文件中 %filePath = ['C:\\Users\\头发日常有点乱\\Documents\\MATLAB\\hanzishuziluomaxila\\imagess\\', num2str(xx),'.bmp'];%打开图像 % if isequal(filePath, 0) % break; % end % im = uint16(imread(filePath)); % [~, p_test] = get_feature(im); % p2n = tramnmx(p_test,minp, maxp); % r=sim(net,p2n); % r2n = postmnmx(r,mint,maxt); % r = round(r2n(1)); % r = ts{r}; % figure;imshow(cropimg_2);title(r, 'FontSize', 16); end end