PAGEPAGEPAGEPAGE12012數(shù)字圖像處理試題姓名：付建梅學(xué)號：20115102802012數(shù)字圖像處理試題1.問答題(20)1.1數(shù)字圖像處理的主要研究內(nèi)容包含很多方面，請列出并簡述其中的4種。答：圖像數(shù)字化：將一幅圖像以數(shù)字的形式表示。主要包括采樣和量化兩個(gè)過程。 圖像增強(qiáng)：將一幅圖像中的有用信息進(jìn)行增強(qiáng)，同時(shí)對其無用信息進(jìn)行抑制，提高圖像的可觀察性。 圖像的幾何變換：改變圖像的大小或形狀。圖像變換：通過數(shù)學(xué)映射的方法，將空域的圖像信息轉(zhuǎn)換到頻域、時(shí)頻域等空間上進(jìn)行分析。圖像識別與理解：通過對圖像中各種不同的物體特征進(jìn)行定量化描述后，將其所期望獲得的目標(biāo)物進(jìn)行提取，并且對所提取的目標(biāo)物進(jìn)行一定的定量分析。1.2什么是圖像的像素？什么是圖像的灰度級？答：對一幅圖像采樣時(shí)，若每行（即橫向）像素為M個(gè)，每列（即縱向）像素為N個(gè)，則圖像大小為M×N個(gè)像素，從而f(x,y)構(gòu)成一個(gè)M×N實(shí)數(shù)矩陣：每個(gè)元素為圖像f(x,y)的離散采樣值，稱之為像元或像素。圖像的灰度級是指圖像中的色度分量亮度的最大值與最小值之差的級別，灰度最高相當(dāng)于最高的黑，就是純黑?；叶茸畹拖喈?dāng)于最低的黑，也就是“沒有黑”，那就是純白。1.3圖像的數(shù)字化包含哪些步驟？簡述這些步驟。答：數(shù)字圖像可以理解為對二維函數(shù)f(x,y)進(jìn)行采樣和量化(即離散處理)后得到的圖像，因此，通常用二維矩陣來表示一幅數(shù)字圖像。將一幅圖像進(jìn)行數(shù)字化的過程就是在計(jì)算機(jī)內(nèi)生成一個(gè)二維矩陣的過程。數(shù)字化過程包括三個(gè)步驟：掃描、采樣和量化。采樣是將空域上連續(xù)的圖像變換成離散采樣點(diǎn)集合，是對空間的離散化。經(jīng)過采樣之后得到的二維離散信號的最小單位是像素。是對圖像空間坐標(biāo)的離散化，它決定了圖像的空間分辨率。也可以說用一個(gè)網(wǎng)格把待處理的圖像覆蓋，然后把每一小格上模擬圖像的各個(gè)亮度取平均值，作為該小方格中點(diǎn)的值。量化就是把采樣點(diǎn)上表示亮暗信息的連續(xù)量離散化后，用數(shù)值表示出來，是對亮度大小的離散化。也就是把采樣后所得的各像素灰度值從模擬量到離散量的轉(zhuǎn)換稱為圖像灰度的量化。量化是對圖像幅度坐標(biāo)的離散化，它決定了圖像的幅度分辨率。經(jīng)過采樣和量化后，數(shù)字圖像可以用整數(shù)陣列的形式來描述。1.4一階微分算子與二階微分算子在提取圖像的細(xì)節(jié)信息時(shí)，有什么異同？答：一階微分算子獲得的邊界是比較粗略的邊界，反映的邊界信息較少，但是所反映的邊界比較清晰；二階微分算子獲得的邊界是比較細(xì)致的邊界。反映的邊界信息包括了許多的細(xì)節(jié)信息，但是所反映的邊界不是太清晰。1.5什么是閾值分割技術(shù)？該技術(shù)適用于什么場景下的圖像分割？答：閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像象素點(diǎn)分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則f(x，y)中找到特征值T，將圖像分割為兩個(gè)部分，分割后的圖像為：若?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。1.6使用均值濾波器對高斯噪聲和椒鹽噪聲的濾波結(jié)果相同嗎？為什么會出現(xiàn)這種現(xiàn)象？答：均值濾波器的濾波原理是：在圖像上，對待處理的像素給定一個(gè)模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的均值來替代原來的像素值的方法。 原因:高斯噪聲是幅值近似正態(tài)分布，但分布在每點(diǎn)像素上。因?yàn)檎龖B(tài)分布的均值為0，所以均值濾波可以消除噪聲。椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上，圖像中有干凈點(diǎn)也有污染點(diǎn)。因?yàn)樵肼暤木挡粸?，所以均值濾波不能很好地去除噪聲點(diǎn)。1.7圖像增強(qiáng)的目的是什么，它包含哪些內(nèi)容？答：增強(qiáng)圖象中的有用信息，它可以是一個(gè)失真的過程，其目的是要改善圖像的視覺效果，針對給定圖像的應(yīng)用場合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識別效果，滿足某些特殊分析的需要。圖像增強(qiáng)可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號，對其進(jìn)行基于二維傅里葉變換的信號增強(qiáng)。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。圖像增強(qiáng)的方法是通過一定手段對原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。在圖像增強(qiáng)過程中，不分析圖像降質(zhì)的原因，處理后的圖像不一定逼近原始圖像。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類?；诳沼虻乃惴ㄌ幚頃r(shí)直接對圖像灰度級做運(yùn)算基于頻域的算法是在圖像的某種變換域內(nèi)對圖像的變換系數(shù)值進(jìn)行某種修正，是一種間接增強(qiáng)的算法。基于空域的算法分為點(diǎn)運(yùn)算算法和鄰域去噪算法。點(diǎn)運(yùn)算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴(kuò)大圖像動態(tài)范圍，擴(kuò)展對比度。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標(biāo)識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計(jì)差值法等。1.8簡述DCT變換編碼的主要過程。答：DCT變換編碼的思想是利用離散余弦變換對數(shù)據(jù)信息強(qiáng)度的集中特性，可以將數(shù)據(jù)中視覺上容易察覺的部分與不容易察覺的部分進(jìn)行分離，由此可以達(dá)到進(jìn)行有損壓縮的目的。其步驟為：第一步，將圖像分成8*8的子塊； 第二步，對每個(gè)子塊進(jìn)行DCT變換； 第三步，將變換后的系數(shù)矩陣進(jìn)行量化，量化后，得到的矩陣左上角數(shù)值較大，右下部分為0；第四步，對量化后的矩陣進(jìn)行Z形掃描，以使得矩陣中為0的元素盡可能多的連在一起； 第五步，對Z掃描結(jié)果進(jìn)行行程編碼； 第六步，進(jìn)行熵編碼。1.9舉例說明腐蝕運(yùn)算和膨脹運(yùn)算的處理步驟。答：腐蝕：是一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過程?？梢杂脕硐∏覠o意義的物體。膨脹：是將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外部擴(kuò)張的過程?？梢杂脕硖钛a(bǔ)物體中的空洞。在操作中，輸出圖像中所有給定像素的狀態(tài)都是通過對輸入圖像的相應(yīng)像素及鄰域使用一定的規(guī)則進(jìn)行確定。在膨脹操作時(shí)，輸出像素值是輸入圖像相應(yīng)像素鄰域內(nèi)所有像素的最大值。在二進(jìn)制圖像中，如果任何像素值為1，那么對應(yīng)的輸出像素值為1；而在腐蝕操作中，輸出像素值是輸入圖像相應(yīng)像素鄰域內(nèi)所有像素的最小值。在二進(jìn)制圖像中，如果任何一個(gè)像素值為0，那么對應(yīng)的輸出像素值為0。結(jié)構(gòu)元素的原點(diǎn)定義在對輸入圖像感興趣的位置。對于圖像邊緣的像素，由結(jié)構(gòu)元素定義的鄰域?qū)幸徊糠治挥趫D像邊界之外。為了有效處理邊界像素，進(jìn)行形態(tài)學(xué)運(yùn)算的函數(shù)通常都會給出超出圖像、未指定數(shù)值的像素指定一個(gè)數(shù)值，這樣就類似于函數(shù)給圖像填充了額外的行和列。對于膨脹和腐蝕操作，它們對像素進(jìn)行填充的值是不同的。對于二進(jìn)制圖像和灰度圖像，膨脹和腐蝕操作使用的填充方法如下表：腐蝕和膨脹填充圖像規(guī)則表：規(guī)則腐蝕超出圖像邊界的像素值定義為該數(shù)據(jù)類型允許的最大值，對于二進(jìn)制圖像，這些像素值設(shè)置為1；對于灰度圖像，unit8類型的最小值也為255。膨脹超出圖像邊界的像素值定義為該數(shù)據(jù)類型允許的最小值，對于二進(jìn)制圖像，這些像素值設(shè)置為0；對于灰度圖像，unit8類型的最小值也為0。通過對膨脹操作使用最小值填充和對腐蝕操作使用最大值填充，可以有效地消除邊界效應(yīng)（輸出圖像靠近邊界處的區(qū)域與圖像其它部分不連續(xù)）。否則，如果腐蝕操作使用最小值進(jìn)行填充，則進(jìn)行腐蝕操作后，輸出圖像會圍繞著一個(gè)黑色邊框。1.10常用的顏色空間有哪些？各有什么特點(diǎn)。常用的顏色空間有：RGB、HSV、HSI、YUV。RGB的特點(diǎn)是用三維空間中的一個(gè)點(diǎn)來表示一種顏色，每個(gè)點(diǎn)有三個(gè)分量，分別代表該點(diǎn)顏色的紅、綠、藍(lán)亮度值，亮度值限定在[0，1]。HSV的特點(diǎn)是：由色度（H），飽和度（S），亮度（V）三個(gè)分量組成，與人的視覺特性比較接近。消除了亮度成分V在圖像中與顏色信息的聯(lián)系。色調(diào)H和飽和度S分量與人的視覺感受密切相關(guān)。HSI的特點(diǎn)是：色調(diào)（H）和飽和度（S）的含義與HSV系統(tǒng)一致，而強(qiáng)度（I）對應(yīng)與顏色的亮度或灰度。彩色模型中三角形的頂點(diǎn)代表了三個(gè)歸一化的彩色分量（R、G、B）的三角系數(shù)。色調(diào)H定義為顏色點(diǎn)P至中心的線段與R軸之間的夾角。YUV模型的特點(diǎn)是由于人眼對于亮度的敏感程度大于對于色度的敏感程度，所以完全可以讓相鄰的像素使用同一個(gè)色度值，而人眼的感覺不會引起太大的變化。UV的基本思想是通過損失色度信息來達(dá)到節(jié)省存儲空間的目的。2.解答題(50)2.1設(shè)某個(gè)圖像為：3998137360648205請完成：1、求該圖像的灰度直方圖。該圖像的像元總數(shù)為4*4=16i=[0,9]歸一化的直方圖為：2、對該圖像進(jìn)行直方圖均衡化處理，寫出過程和結(jié)果。根據(jù)數(shù)據(jù)的原始圖像的直方圖，利用得到變換函數(shù)值為：用式將擴(kuò)展到范圍內(nèi)并取整，得將相同值并起來記得到直方圖均衡化修正后的灰度級變換函數(shù)，新灰度級分布為：均衡前后的直方圖如下：均衡前均衡后2.2利用MATLAB對一幅8*8的圖像進(jìn)行DCT變換，并保留20個(gè)DCT變換系數(shù)進(jìn)行重構(gòu)圖像，比較重構(gòu)圖像與原始圖像的差異。要求給出原始圖像文件、MATLAB程序及原始圖像與重構(gòu)圖像。I=magic(8);J=dct2(I);J(1:8,5:8)=0;J(6:8,1:4)=0;K=idct2(J);I=mat2gray(I);L=mat2gray(K,[0,64]);subplot(121),imshow(I),title('原圖像');subplot(122),imshow(L);title('重建后的圖像');以上程序保留了DCT變換后左上角的20個(gè)系數(shù)，可見重建效果并不是很理想。其原因在于該圖像在DCT變換后，其系數(shù)并不幾乎完全分布于低頻區(qū)域內(nèi)，因而只有原圖像的大體輪廓。因此設(shè)計(jì)了第二種重構(gòu)方法，希望獲得較好的重構(gòu)效果。A=magic(8);C=dct2(A);[l,k]=sort(C(:),'descend');l(21:64)=0;C(k)=l;B=idct2(C);I=mat2gray(A);J=mat2gray(B);subplot(121),imshow(I),title('原圖像');subplot(122),imshow(J),title('重建后的圖像');此方法是將原圖經(jīng)DCT變換后，保留了最大的20個(gè)DCT變換系數(shù)，并由這些系數(shù)重構(gòu)原圖像，由圖可見，此方法得到了較好的效果。2.3對下圖采用基于區(qū)域灰度差進(jìn)行區(qū)域增長，給出灰度差值：⑴T=1；⑵T=2；⑶T=3三種情況下的分割圖像(按連接成分做標(biāo)記)。1047510477015552056522564111111111111111111111111111225112221122211222112221123411233112221122211222（T=1）（T=2）（T=3）2.3設(shè)圖像為：12143110234526885570856789用3×3的模板對其進(jìn)行中值濾波處理，寫出處理過程和結(jié)果。答：處理過程如下：1）將模板在途中漫游，并將模板衷心與圖中某個(gè)像素位置重合。2）讀取模板下個(gè)對應(yīng)像素的灰度值3）將這些灰度值從小到大排成一列4）找出這些值李排在中間的1個(gè)5）將這個(gè)中間值賦給對應(yīng)模板中心位置的像素進(jìn)行中值濾波處理后的結(jié)果為：12323154445556455688667892.4已知roberts算子的作用模板為：，laplacian算子的作用模板為：，設(shè)圖像為：3972016502208721710100267254101109請完成：1、用roberts算子對其進(jìn)行銳化，寫出銳化過程和結(jié)果。roberts算子的作用是和得到的結(jié)果是：341-500-8-148021092-541-13981672541011092、用laplacian算子對其進(jìn)行銳化，寫出銳化過程和結(jié)果。答：拉普拉斯算子可表示為：2.5對于掃描結(jié)果：aaaabbbccdeeeeefffffff,若對其進(jìn)行霍夫曼編碼之后的結(jié)果是：f=01e=11a=10b=001c=0001d=0000。若使用行程編碼與霍夫曼編碼的混合編碼，壓縮率是否能夠比單純使用霍夫曼編碼有所提高？答：混合編碼的壓縮率要比單獨(dú)使用霍夫曼編碼要有很大的提高。3.應(yīng)用題(30)從基本功能、系統(tǒng)結(jié)構(gòu)等方面，構(gòu)思在身邊需要的一種圖像處理系統(tǒng)。要求：=1\*GB2⑴給出需求分析；=2\*GB2⑵給出設(shè)計(jì)思想、系統(tǒng)結(jié)構(gòu)；=3\*GB2⑶給出原圖像文件、中間結(jié)果圖像文件、運(yùn)行結(jié)果圖像文件；=4\*GB2⑷給出完成系統(tǒng)功能可運(yùn)行的MATLAB設(shè)計(jì)程序,并附詳細(xì)注釋；=5\*GB2⑸顯示出原始圖像、中間結(jié)果圖像、運(yùn)行結(jié)果圖像等。答：紙牌識別系統(tǒng)，識別出撲克的花色和點(diǎn)數(shù)，該系統(tǒng)從中橫提上可以分為圖像采集模塊、圖像處理及識別模塊以及輸出模塊。圖像采集模塊：該模塊中紙牌識別系統(tǒng)提供的幾幅指派進(jìn)行分類識別。要求：判斷出撲克牌的類型。其中花色有：紅桃、黑桃、方塊和梅花。點(diǎn)數(shù)為A，2,3,4,5,6,7,8,9,10，J,Q,K圖像處理和識別模塊：本方案采用動態(tài)錄入模版，識別的過程主要是根據(jù)圖像和模版之間的相似度來識別的。其數(shù)學(xué)表達(dá)式為：該表達(dá)式的意義是：目標(biāo)函數(shù)和末班對應(yīng)下的區(qū)域灰度值平方和，還有它的開方和模版灰度值平方和的開方，這兩者之間的比值，當(dāng)匹配度最高時(shí)可以達(dá)到1，這表示目標(biāo)圖像該區(qū)域和模版完全相同，此時(shí)可以輸出識別結(jié)果。輸出模塊：作為獨(dú)立的指紋識別系統(tǒng)，經(jīng)過系統(tǒng)世界的數(shù)據(jù)可以再在matlab環(huán)境中打開，現(xiàn)實(shí)紙牌圖。各菜單選擇項(xiàng)映射函數(shù)具體定義： 打開(O)——打開一幅圖像，并且顯示到窗口上。functionnew_Callback(hObject,eventdata,handles)globalIMAGE;globalPOKER;globalGRAY;globalBW;globalBWSTR;name=0;[name,path]=uigetfile({'*.bmp';'*.jpg';'*,tif'},'打開圖像');ifname==0; %沒有打開圖像return;endIMAGE=imread(strcat(path,name)); %成功打開圖像POKER=0;GRAY=0;BW=0;BWSTR=0; %其他圖像復(fù)位subplot(1,1,1),imshow(IMAGE),title('撲克紙牌圖像');顯示紙牌圖像打開一張紙牌圖像顯示紙牌圖像打開一張紙牌圖像傾斜矯正與定位(Y)——對紙牌圖像進(jìn)行傾斜校正和紙牌定位，計(jì)算定位耗時(shí)并顯示。functionrectify_Callback(hObject,eventdata,handles)globalIMAGE;globalPOKER;ifIMAGE==0;%未打開圖像msgbox('請先打開一幅撲克圖像','錯誤','error');elsetic; %計(jì)算校正與定位用時(shí)POKER=rectify(IMAGE); %自定義函數(shù)rectify()iftoc>5 %設(shè)置超時(shí)時(shí)間為3秒msgbox('圖像校正定位超時(shí)','錯誤','error');return;endtime=num2str(toc);str=strcat('校正與定位耗時(shí)',time,'秒');subplot(1,1,1),imshow(POKER),title('撲克紙牌');msgbox(str,'消息');end顯示傾斜校正和定位耗時(shí)顯示傾斜校正和定位耗時(shí)圖像二值化(B)——對紙牌圖像進(jìn)行二值化，閾值用最佳閾值ostu算法計(jì)算得出。functionbinary_Callback(hObject,eventdata,handles)globalIMAGE; %全局變量globalPOKER;globalGRAY;globalBW;ifIMAGE==0 %未打開圖像msgbox('請先打開一幅撲克圖像','錯誤','error');elseifPOKER==0 %未進(jìn)行圖像校正msgbox('請先對圖像進(jìn)行校正定位','錯誤','error');elseifGRAY==0 %未進(jìn)行圖像灰度化msgbox('請先對圖像進(jìn)行灰度化','錯誤','error');elsebw=im2bw(GRAY,ostu(GRAY)); %自定義函數(shù)ostu()BW=logical(abs(double(bw)-1));subplot(1,1,1),imshow(BW),title('圖像二值化');end灰度化圖像灰度化圖像紙牌字符提取(P)——提取紙牌的特征字符。functiongetsymstr_Callback(hObject,eventdata,handles)globalIMAGE;globalPOKER;globalGRAY;globalBW;globalBWSTR;ifIMAGE==0 %未打開圖像msgbox('請先打開一幅撲克圖像','錯誤','error');elseifPOKER==0 %未進(jìn)行圖像校正msgbox('請先對圖像進(jìn)行校正定位','錯誤','error');elseifGRAY==0 %未進(jìn)行圖像灰度化msgbox('請先對圖像進(jìn)行灰度化','錯誤','error');elseifBW==0 %未進(jìn)行圖像二值化msgbox('請先對圖像進(jìn)行二值化','錯誤','error');else[m,n]=size(GRAY);pokerstr=GRAY(2:m/2,n/20:n/5.5); %字符粗略定位bw=im2bw(pokerstr,ostu(pokerstr)); %自定義函數(shù)ostu()bw1=bwmorph(bw,'clean'); %清除孤立點(diǎn)bw2=logical(abs(double(bw)-1)); %二值圖像反色bw3=reduce(bw2); %自定義函數(shù)reduce()[m,n]=size(bw3);temp=sum(bw3);shadow(2:n+1)=temp;shadow(1)=0;shadow(n+2)=0;fori=2:n+1ifshadow(i)~=0&shadow(i-1)==0&shadow(i+1)==0%出現(xiàn)孤立線條forj=1:mbw3(j,i-1)=0; %刪除孤立線條列endendend[m,n]=find(bw3);BWSTR=bw3(min(m):max(m),min(n):max(n));subplot(1,1,1),imshow(BWSTR),title('紙牌特征字符');end花形字符花形字符撲克識別(R)——對字符特征進(jìn)行匹配識別，并且輸出識別結(jié)果。functionrecognition_Callback(hObject,eventdata,handles)globalIMAGE;globalPOKER;globalGRAY;globalBW;globalBWSTR%紙牌字符模板,34*22投影str1=[66668810101010888810108,...888121216161212888816161616]; %Astr2=[10101616121212121212664488,...886666666688101022222222]; %2str3=[22221414101088888121214146,...644444444888121218181212]; %3str4=[22446688101012121010101088,...101012122020222266666688]; %4str5=[181816164444416161616664444,...4444441012121616121222]; %5str6=[991515775533551414181812129,...9991111111177101014141111]; %6str7=[15152222141499555555444466,...44446644444444]; %7str8=[101016161010668866121214141414,...101088888888141418181010]; %8str9=[141416168888121212101012121212,...1818161644446661212141488]; %9str10=[10101616141412121212121212121212,...121212121212121212121212161616161010]; %10str11=[1313111155555555555555555,...55599991414131344]; %Jstr12=[111110101010666666666661010,...141416161212101010101018181212]; %Qstr13=[202020201212101010101010881212,...1212121210101010101088101018182020]; %KSTR=[str1;str2;str3;str4;str5;str6;str7;str8;str9;str10;str11;str12;str13];%紙牌花形模板,24*20投影style1=[446688121216161616,...20202020202014146666]; %黑桃style2=[121220202020202018181616,...1414121288664422]; %紅桃style3=[448810101010881616,...20202020202012124444]; %梅花style4=[2244661212161620202020,...16161212666622]; %方片STYLE=[style1;style2;style3;style4];ifIMAGE==0 %未打開圖像msgbox('請先打開一幅撲克圖像','錯誤','error');elseifPOKER==0 %未進(jìn)行圖像校正msgbox('請先對圖像進(jìn)行校正定位','錯誤','error');elseifGRAY==0 %未進(jìn)行圖像灰度化msgbox('請先對圖像進(jìn)行灰度化','錯誤','error');elseifBW==0 %未進(jìn)行圖像二值化msgbox('請先對圖像進(jìn)行二值化','錯誤','error');elseifBWSTR==0 %未提取特征msgbox('請先提取圖像字符','錯誤','error');elsesym=imclose(BWSTR,strel('disk',3)); %粗略估算特征面積大小shadow=sum(sym);ifmax(shadow)>=40 %像素過多識別為為JOKERresult=strcat('識別結(jié)果:','JOKER');msgbox(result,'消息','warn');elsesym=bwmorph(BWSTR,'clean'); %清除孤立點(diǎn)shadow=(sum(sym,2))'; %側(cè)面投影l(fā)en=length(shadow);fori=2:len-1 %搜索數(shù)字符號與花形符號的分界點(diǎn)ifshadow(i)~=0&shadow(i+1)==0 %檢測到靠近數(shù)字一邊的邊界bonder1=i+1;i=bonder1;continue;endifshadow(i)<=1&shadow(i+1)>1 %檢測到靠近花形一邊的邊界bonder2=i;break;endendbonder=(bonder1+bonder2)/2; %取兩個(gè)邊界的中間作為符號分界線SYM1=sym(1:bonder,:); %數(shù)字符號[m,n]=find(SYM1);SYM1=SYM1(min(m):max(m),min(n):max(n));SYM1=imresize(SYM1,[3422]); %模板歸一化SYM2=sym(bonder:len,:); %花形符號[m,n]=find(SYM2);SYM2=SYM2(min(m):max(m),min(n):max(n));SYM2=imresize(SYM2,[24,20]); %模板歸一化shadow1=(sum(SYM1,2))';shadow2=(sum(SYM2,2))';%字符匹配errormean=50;sn1=0;fori=1:13 %搜索最佳匹配的模板temp=STR(i,:);error=abs(shadow1-temp);error=mean(error,2); %求絕對均差iferror<errormean;sn1=i;errormean