Matlab提取文字部分MSER特征并初步分类

一、介绍MATLAB中detectMSERFeatures函数：

算法—强度阈值级别
MSER检测器逐步跨越输入图像的强度范围，以检测稳定区域。该ThresholdDelta参数确定检测器测试稳定性的增量数。您可以将阈值增量值视为杯子的大小，以便用水填充桶。杯子越小，填充桶所需的增量越多。桶可以被认为是该区域的强度分布。

MSER对象检查不同强度阈值之间的区域区域大小的变化。该变化必须小于MaxAreaVariation被认为是稳定的参数的值。

在高层次上，可以通过考虑表示一系列桶的图像的强度分布来解释MSER。想象一下，水桶的顶部与地面齐平，并在其中一个水桶上打开软管。当水装入桶中时，它溢出，下一个桶开始填满。较小的水域加入并成为较大的水体，最后整个区域都被填满。当水充满桶时，会根据MSER稳定性标准进行检查。区域以不同的强度阈值出现，增长和合并。

函数使用示意：
句法：
regions = detectMSERFeatures(I)
[regions,cc] = detectMSERFeatures(I)
[_] = detectMSERFeatures(I,Name,Value)
描述：
1. regions = detectMSERFeatures(I)返回一个MSERRegions对象，regions包含有关在2-D灰度输入图像中检测到的MSER特征的信息I。该对象使用最大稳定极值区域（MSER）算法来查找区域。
2. [regions,cc] = detectMSERFeatures(I)可选地返回连接的组件结构中的MSER区域。
3. [_] = detectMSERFeatures(I,Name,Value)设置由一个或多个Name,Value对参数指定的附加选项。
举例：
读取图像并检测MSER区域。

I = imread（'cameraman.tif'）;
region = detectMSERFeatures（I）;
%可视化由存储在返回的“区域”对象内的像素列表描述的MSER区域。
figure; imshow（I）; 抱上 ;
plot（区域，'showPixelList'，true，'showEllipses'，false）;
%显示区域椭圆轮廓及重心
figure; imshow(I);
hold on;
plot(regions);

二、MSER提取文字区域并初步筛选分类

在之前区域提取的基础上，手工建立正负样本集：（包括样本图片集与标签文件）