资源描述：
《DSP在数字识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、2013电信专业课程设计报告DSP在数字识别中的应用指导老师：学院：班级：姓名：学号：-21-2013电信专业课程设计报告目录1数字识别方法综述-2-2数字识别算法及步骤-2-（1）图像的灰度化-2-（2）图像二值化-4-（3）Canny边缘检测-5-（4）投影定位-6-（5）数据存储-6-3结论-7-参考文献-7-附录：-7-DSP完整运行程序：-7--21-2013电信专业课程设计报告1数字识别方法综述数字识别（DigitalRecognition）是光学字符识别技术的一个分支，数字识别分为印刷体数字识别和手写体数字识别[1]。本设计主要研究印刷体数字识别。数字识别方法
2、通常包括两大方面内容，一是图像的预处理，二是模式识别。其中，图像的预处理包括以下方面：彩色图像的灰度化、梯度锐化、灰度图像的二值化、去离散噪声、倾斜度调整、中值滤波技术、图像分割、归一化调整、图像的紧缩重排。模式识别通常包括BP神经网络和特征提取。本次设计首先把图像灰度化和二值化;然后对二值化的图像做边缘提取，在此选择Canny边缘提取算法；经过二值化和边缘提取后的图像，利用投影法定位数字在图像中的位置，并给出数字在图像中的外接矩形；利用CCS把处理结果显示出来。2数字识别算法及步骤（1）图像的灰度化在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的
3、值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。一般有以下四种方法对彩色图像进行灰度化：1.分量法将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。f1(i,j)=R(i,j)f2(i,j)=G(i,j)f3(i,j)=B(i,j)其中fk(i,j)(k=1,2,3)为转换后的灰度图像在（i,j）处的灰度值。2.最大值法将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。f(i,j)=max(R(i,j),G(i,j),B(i,j))3.平均值法将彩色图像中的三分量亮度求平均得到一个灰度
4、值。f(i,j)=(R(i,j)+G(i,j)+B(i,j))/34.加权平均法-21-2013电信专业课程设计报告根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。f(i,j)=0.299R(i,j)+0.587G(i,j)+0.144B(i,j))在此使用OpenCV实现图像的灰度化，具体代码如下：//灰度图函数voidCDigIdentifyDlg::OnGrayImage(){//TODO:在此添加命令处理程序代码IplImage*OpenCvGrayIm
5、age;//定义变换后的灰度图指针unsignedchar*ptr;//指向图像的数据首地址BYTEB;//中间过程变量BYTEG;BYTER;if(imgSrc==NULL){MessageBox(L"图片未打开");return;}OpenCvGrayImage=cvCreateImageHeader(cvGetSize(imgSrc),imgSrc->depth,1);//有的图像的每行字节不是imgSrc->width的整数倍，即imgSrc->width*通//道数widthStep%imgSrc->width,所以直接使用创建的灰度图的//每行
6、的字节数，即OpenCvGrayImage->widthStepinti=(OpenCvGrayImage->widthStep)*imgSrc->height;ptr=newunsignedchar[i];for(inti=0;iheight;i++)//对RGB加权平均，权值参考OpenCV{for(intj=0;jwidth;j++){B=(BYTE)imgSrc->imageData[i*imgSrc->widthStep+j*3];//B分量G=(BYTE)imgSrc->imageData[i*imgSrc->widthSte
7、p+j*3+1];//G分量R=(BYTE)imgSrc->imageData[i*imgSrc->widthStep+j*3+2];//R分量//有的图像的每行字节不是imgSrc->width的整数倍，即imgSrc->width*通//道数widthStep%imgSrc->width,所以直接使用创建的灰度图的//每行的字节数，即OpenCvGrayImage->widthStep来转到下一行ptr[i*(OpenCvGrayImage->widthStep)+j]=(BYTE)(0.29
