基于MATLAB/GUI的文字圖片識別系統設計

字符識別在圖像處理中是一種比較常見(jiàn)的技術(shù)。隨著(zhù)技術(shù)的發(fā)展，常見(jiàn)的一些文字通常用圖片的格式來(lái)進(jìn)行存儲。當需要使用到這些文字的時(shí)候，圖片上的文字不是很方便人們的使用，這個(gè)時(shí)候就要借助文字識別的手段，把需要的文字從圖片中提取出來(lái)。

本設計運用MATLAB/GUI 設計實(shí)現文字圖片識別系統，該系統包括GUI 界面設計，圖像預處理，文字的分割和識別。建立圖片文字模板，該文字識別系統可以實(shí)現圖片的讀取和保存、圖片的各種預處理操作，然后對文字進(jìn)行分割，最后對文字進(jìn)行識別，并在記事本中顯示識別結果。

1 文字圖片識別系統方案

文字圖片識別系統主要包括GUI 界面設計，圖像預處理，文字的分割與識別3 部分。

文字圖片識別系統的實(shí)現方案為：

1）首先根據系統的功能，確定GUI 界面需要的控件或菜單的種類(lèi)和數量，后面通過(guò)編寫(xiě)每個(gè)控件或菜單的回調函數，實(shí)現控件或菜單相應的功能；

2）準備幾種不同類(lèi)型文字的圖片，以備進(jìn)行識別測試，首先進(jìn)行圖片預處理，包括對圖像大小的裁剪旋轉、圖像增強、圖像灰度化、圖像二值化等操作，為了后面的文字分割和識別做準備，方便提取文字圖像的特征點(diǎn)；

3）研究字符分割算法，實(shí)現對文字圖片的分割和識別；

4）進(jìn)行系統各個(gè)模塊的運行調試，修改相關(guān)程序，完善設計系統。

2 文字圖片預處理

預處理比較重要的操作包括以下幾步：

首先對文字圖像進(jìn)行灰度化處理，將彩色圖像轉換成灰度圖像。其次去除圖像中的噪聲，對圖像進(jìn)行降噪，提高識別的準確度，噪聲會(huì )導致圖像的質(zhì)量下降，影響圖像上的關(guān)鍵信息。接著(zhù)對文字圖像二值化，將文字圖像轉換成只有黑色和白色兩種顏色的圖像。

2.1 圖像的輸入與裁剪

在MATLAB中，使用函數imread() 函數來(lái)讀取圖像，利用函數imshow() 顯示圖像。

當系統讀入一張圖片，通常字符的周邊存在許多與文字沒(méi)有關(guān)系的其他信息，會(huì )對后續的處理帶來(lái)干擾，并且增大了程序的運算量，延緩了程序的運行速度。所以有時(shí)需要對圖像適當進(jìn)行裁剪，去掉那些無(wú)用的干擾信息。

利用函數imcrop() 可以對圖像進(jìn)行剪切。還可以借助MATLAB 的算法，獲取鼠標的一些操作來(lái)實(shí)現截圖的功能。

2.2 圖像灰度化處理

對文字圖像進(jìn)行灰度化處理，主要是為了提取圖像中的關(guān)鍵信息，過(guò)濾掉原來(lái)圖像中的色彩信息。彩色的圖像經(jīng)過(guò)灰度化處理后，就只剩下一個(gè)灰度值。把原本的三通道R、G、B色彩圖像轉變成為單通道的灰度圖像。

灰度化處理算法有分量法、最大值法平均值法和加權平均法。在MATLAB 中使用rgb2gray() 函數，對彩色圖像進(jìn)行灰度化處理。

2.3 圖像增強

圖像增強是用來(lái)降低圖像中的噪聲，使圖像顯示的更加清晰，為后續的處理做準備。

依據圖像所在空間的不同，圖像增強的方式也就不同。一種是基于空間域的圖像增強，它分為灰度變換增強、直方圖增強和空間濾波等。另一種是頻域的圖像增強，常用的有低通濾波、高通濾波和中值濾波等。

經(jīng)過(guò)對幾種算法進(jìn)行測試對比，最后選擇使用中值濾波對圖像進(jìn)行降噪處理，然后再對濾波后的圖像進(jìn)行直方圖增強處理。經(jīng)過(guò)這樣的處理后，得到的圖像字符是比較清晰的。

在MATLAB 圖像工具箱中，采用imhist() 函數計算和顯示圖像的直方圖，用imadjust() 函數進(jìn)行對比度調整。

2.4 圖像二值化

圖像二值化的實(shí)現是選取一個(gè)合適的閾值thresh，把它作為分界點(diǎn)。當像素點(diǎn)的像素值大于thresh 時(shí)，將其設置為白色，當像素點(diǎn)的像素值小于閾值thresh 時(shí)，將其定為黑色。在MATLAB 工具箱中，函數graythresh()的功能就是獲取一定的閾值，然后依據獲得的閾值把圖像進(jìn)行二值化。函數graythresh() 獲取匹配的閾值的原理是最大類(lèi)方差法。

將獲取到的閾值用到函數im2bw(t,thresh) 中，就可以把圖像二值化，得到一個(gè)黑白色的圖像。

3 文字分割和識別

把二值化后的文字圖像進(jìn)行字符分割，分割好后的字符會(huì )被寫(xiě)入資料庫，生成待識別的字符模塊。字符識別時(shí)，讀取處理后的待識別字符和標準的文字字符模板，把這兩部分進(jìn)行匹配識別，輸出文字的識別結果。

3.1 字符分割

字符分割采用基于連通域分析的方法，對二值圖像上的文字進(jìn)行分割。連通區域的標記算法種類(lèi)是比較多的。在標記過(guò)程中，某些算法只經(jīng)過(guò)一次的遍歷就可以標記成功，也有的算法需要不止一次的圖像掃描才可以完成標記。

本設計采用基于行程掃描的算法進(jìn)行連通域的標記，處理對象是經(jīng)過(guò)處理后的二值圖像，作用是將圖像中感興趣的前景目標和背景分離。圖像遍歷完畢之后，得到很多個(gè)團的起始坐標、結束坐標以及它們所在的行和標號。同時(shí)，還得到一個(gè)等價(jià)對列表。

二值圖像中的文字部分是白色的，在矩陣里面用1表示，背景是黑色的，在矩陣里用0 表示。在遍歷圖像的進(jìn)程中，標號從一開(kāi)始計數，找到等價(jià)的序列并且賦值一個(gè)標號給它們。找到等價(jià)對后，記錄它們的標號，最后把每個(gè)團的標號填入圖像當中。

每一個(gè)字符信息都有自己的連通區域，字符是白色的，在矩陣中用1 表示。所以只需要找到像素值是1 的連通區域，然后標注并提取出來(lái)。這樣就可以實(shí)現字符的分割處理。

3.2 文字識別

模板的匹配識別是利用小尺寸的字符圖像和模板中的圖像進(jìn)行比較，確定原圖像中是否存在和這個(gè)模板相同或者相似的區域。文字識別的效果與選取的模板是息息相關(guān)的。

數據庫里面的模板都是經(jīng)過(guò)一系列處理的，字符庫由26 個(gè)大小寫(xiě)英文字母和0~9 十個(gè)數字組成。數據庫中的模板圖片的格式是高度42，寬度24。

在匹配識別的時(shí)候，首先將待識別圖片進(jìn)行尺寸變換，轉換成和模板圖片一樣的大小，利用imresize() 函數實(shí)現；然后利用函數corr2() 來(lái)計算兩張圖片的相似度。當得到的結果在1 的附近，表示兩者的匹配度是很高的，也就是相似的；當獲取的結果接近0，表示二者的匹配度是很低的。

經(jīng)過(guò)對比，獲得1 個(gè)與分割字符相似度最高的字庫圖片，建立1 個(gè)文檔，把找到的模板圖片中的文字信息輸出在文檔中，即可實(shí)現文字的識別。

4 文字圖片識別系統的調試與分析

GUI 界面設計完成后，編寫(xiě)對應菜單控件的回調函數。然后運行這個(gè)系統，對要識別的圖片進(jìn)行文字識別測試。通過(guò)菜單可以實(shí)現圖片的讀取和保存，顯示圖片處理的各個(gè)中間過(guò)程，GUI 可視化界面及部分測試結果如圖1 和圖2。

圖1 文字識別測試一

圖2 文字識別測試二

從識別的結果來(lái)看，有時(shí)會(huì )發(fā)生識別錯誤，不過(guò)錯誤率是比較低的。

手寫(xiě)的字符只要寫(xiě)的很規范，系統能夠準確地識別圖像中的文字。如果數據庫中每個(gè)字符有許多的模板字體，可以大大地提高文字的識別成功率。另外就是字母大小寫(xiě)可能發(fā)生識別錯誤，發(fā)生大小寫(xiě)混淆。

總體來(lái)說(shuō)，文字圖片識別系統能夠識別大部分文字，個(gè)別的一些識別缺陷，將在以后的研究中繼續改進(jìn)。

參考文獻：

[1] 張紅霞,王燦,劉鑫,等.復雜背景圖像的字符識別算法研究[J].計算機測量與控制,2019,27(8):29-37.

[2] 劉思慧,江維.基于MATLAB手寫(xiě)體數字識別程序設計[J].電子世界,2019(3):18-21.

[3] 李夢(mèng)瑤.基于matlab的圖像增強處理技術(shù)[J].信息記錄材料,2020,21(3):19-26.

[4] 甘曉英,白陽(yáng),何曉棟,等.一種并行二值圖像連通域標記算法[J].計算機與數字工程,2021,49(5):43-49.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2023年4月期）