基于最小距离法的字符识别系统在Matlab上的实现摘要：通过Matlab编程，实现了一个可以识别扫描到计算机里图片上的英文字母及阿拉伯数字的字符识别系统，以最小距离法为判决规则，系统的识别对象为不规整的印刷体。系统识别通过对样本进行处理和训练，对识别对象的识别率可达到近百分之九十。关键词：Matlab编程；字符识别；最小距离法；图像预处理；特征提取：TP181文献标识码：A：1009-3044(2015)13-0184-03Abstract:ThroughMatlabprogramming,thepapershowthedesignofcharacterrecognitionsystem,whichcanrecognizetheLettersandArabicnumbersfromthescanedimagethatsaveintocomputer.ThesystemsetsMinimumDistancemethodast.isdecisionrule,andtheobjectrecognitionofthesystemisprintedandirregular.Theratioofidentificationcanreachnearlyeightypercent,whentheobjectrecognitiontrainedandhandledbythesystem.Keywords：Mat.labprogramming；characterrecognition；minimumdistancemethod；imagepreprocessing；featureextraction模式识别(PatternRecognition)是人:类进行社会活动的一项基本智能。在日常生活中，人们经常通过视觉器官和听觉器官来进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们理所当然地希望使用计算机来代替人类进行部分脑力劳动。模式识别在20世纪60年代初得到迅速发展，并成为了一门相对独立的新学科，并广泛应用于生物学、天文学、经济学、医学、工程、军事、安全等重要领域。图像识别(ImageRecognition),是模式识别的一个分支,利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别一般以图像的主要特征为基础，通过对图像进行处理，排除输入的多余信息，抽出关键的信息，用图像识别模型将获得的信息整理成一个完整的计算机映象。字符识别研究的对象是如何利用计算机自动辨识存储在计算机系统中图片上的阿拉伯数字和英文字母。字符识别前景广阔，能应用于汽车牌照的自动识别、文本字符的识别录入等实际应用，涉及到交通、教育和邮政等多个领域。实现字符的自动识别将会给人们在生活和工作上提供极大的便利，推动社会智能化的发展。1系统实现概述1.1基本思路字符识别系统先对图像预处理，然后进行特征的提取与选择，最后通过分类器的判别进行识别出字符。其中，预处理包括将模拟图像进行二值化、去噪、归一化等过程；特征提取将预处理好的图片进行等大小分块，统计每小块里“1”的个数，以此作为特征值；分类器以最小距离法作为判决规则。三个步骤紧密相连，与系统的识别率都息息相关。1.2系统模块介绍根据字符识别的过程，字符识别系统可以划分成三个模块：图像预处理模块、特征提取模块和分类模块。其中，图像预处理模块是在对图像进行了一系列变换后，把经过处理提取到的字符提交给特征提取模块，由特征提取模块进行特征的提取与计算，最后由分类模块对特征值进行识别并给出分类的结果。本系统总流程如下图所示：2图像预处理为了得到更好的识别效果，需要先对采集得到图像进行预处理，图像预处理流程如图2所示：2.1图像输入本系统训练识别的具体对象为“0”到“9”十个阿拉伯数字和“A”、“C，，、"d”、“E”、“R”五个大写英文字母,一共15个类。每一类共有40个36X20像素的jpg格式的图片，选取每一类的前30个图片作为训练样本。使用Matlab提供的imread(file)函数对15X30个图片进行读入操作。2.2图像二值化图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是讲整个图像呈现出明显的黑白效果。图像中的每个像素点都会有一个灰度值，灰度值决定了像素的明暗程度。为了对将来能更好地对图像进行特征值抽取，这里需要对已经得到的灰度图像进行一次二值化处理。图像二值化很很多成熟的算法，如自适应阈值法、给定阈值法等。本文采用的是给定阈值的方法,使用Matlab提供的im2bw(img,r)函数，给定参数值对图像进行二值化处理。2.3去除孤立像点二值化后的图像中，图像的边角区域所出现的像点与字符信息无关，应予统一去除。另外，字符主体以外的孤立像点、一些小枝条也应该先...