【数图大作业】基于模板匹配的文字识别（一）（思路+实现要点+预处理分析）

数图大作业我们组选了基于模板匹配的文字识别这个题目。老师提供了多行文字行列分割参考程序(CVI 5.0)，我参照了例程的思路，在CVI2012环境下完成了预处理、行列分割以及模板匹配算法设计和代码编程。

题目要求

1. 首先建立一个常用的汉字标准样本图像库：
   （1）利用“画图”程序建立200-300个字的汉字图库，将单个汉字的图像保存为 .bmp 文件；
   （2）将所有的样本图像均缩放为标准尺寸图像，例如 48 * 64 (width * height）。
   （3）将所有的样本图像变为二值图像，构成标准汉字模板库。
2. 利用“画图”程序制作包含多个汉字的测试图像。
3. 编写字符识别程序，采用基于模板匹配的方法完成对汉字的识别：
   （1）对测试图像进行二值化；
   （2）完成行、列分割；
   （3）将单个汉字图像与模板库中的字符图像逐一匹配，完成识别；
4. 对多幅类似图像进行验证试验；
5. 界面友好，操作方便，能单步演示识别过程，也可以“一键运行”，识别速度较快。
   注：本次大作业在 CVI2012 环境下完成，利用 IMAQ6.0 库完成图像处理，如果采用其他图像处理库比如 opencv、halcon 等等，可以参考处理思路。

思路

最终效果展示

演示视频

实现要点和预处理分析

1.模板图像和测试图像均由“画图”程序裁剪而成，注意模板图像和测试图像需要缩放至同一尺寸，方便进行匹配，这部分可以用 imaqResample 函数来完成。例如：
将 splitImage 图片缩放成 60 * 60 的大小，并保存至 dstImage 。
为了防止切割到汉字，可以先进行列分割和行分割，再进行缩放。

imaqResample (dstImage, splitImage, 60, 60, IMAQ_ZERO_ORDER, IMAQ_NO_RECT); 

2.为了方便后面的行列分割，图像预处理部分需要完成输入的测试图像的二值化和反色，经过二值化后的图像灰度值仅有 0 和 255 ，经过反色处理后白色像素点变成黑色像素点，即灰度值从 255 变成 0。二值化可以用 imaqThreshold 函数完成，反色可以用 imaqNor 函数完成。
二值化和反色处理代码如下：

imaqThreshold(binImage, srcImage, 100, 255, TRUE, 255); 
// 二值化：灰度值如果超过100，则替换为255，否则为0
imaqNor(binImage, binImage, binImage);  
// 反色：或非运算，第一个参数是输出图像，后面两个是参与运算的输入图像 

除了测试图像需要进行二值化处理，模板图像也要进行二值化处理。

3.行列分割均可以根据像素值来分割，对于白底黑字的图片来说，逐行逐列扫描，检测到黑色像素即可确定存在汉字或标点符号。
但要注意列分割必须对每一行进行，不能进行全局列分割。意思是，先逐行分析，然后行扫描，最后列扫描，而不能直接进行行扫描和列扫描，因为每列文字有可能对不齐。

4.模板匹配除了要完成文字识别，还要完成标点符号以及空格的识别。

5.一键运行功能的实现可以通过在 .uir 文件创建一个按钮，在按钮的回调函数中，调用行列分割以及模板匹配的函数。

GUI界面

功能键包括：

• 打开一幅图像
• 行分割
• 列分割
• 保存分割图像
• 匹配输出
• 一键运行(行分割+列分割+匹配输出)
• 退出

资源下载

下载地址