matlab 在 ocr 问题中的简单实现

想到这个问题是朋友提到一个图片识别的问题。我之前只做过，最基本的人脸识别，就是用PCA和LDA的方式进行人脸识别。

碰到具体的比较麻烦的问题，比如这个图片的识别问题，应该用到学习的算法。

而我没有运用过svm或者ann，瞬间觉得自己弱爆了。

所以，就从最基本的出发，做一点简单的ocr问题。简单到什么程度呢：

概括而言：

1、字符之间有间隔可以区分；2、没有线条杂质干扰

我使用，matlab 2013b

对于这个简单的问题，工作流程是这样的：

我再说一下，我的预处理，主要函数：

imread:读图片

rgb2gray:将rgb图片转换成为灰度图

graythresh:选择黑白域

im2bw(imagen, threshold):将灰度图转变为黑白图

bwareaopen(image,30)去除零散的点

进行切分，切分分为了横向和纵向的切分，主要的函数也就是 sum(像素和，切分依据), bwlabel(连接的图), imresize(大小重置)

如果在这么简单的工作之后，就直接用相关系数(corr2)和数字模进行比对，那么久太low了。

可以关注一下， matlab2013是怎么做的。

在matlab2013b中有一个demo，名字叫做HOGDigitClassificationExample。特征的采集时HOG特征，分类器的建立是SVM(每一组的训练集，有100个是的，100个不是的)，局限性是只能够识别数字，因为训练的集合就是数字。训练的集合在./toolbox/vision/wisiondemos/digits/synthetic下面。

结果我基本照搬他的方法之后，发现结果不太好。两个原因：1、预处理不对；2、训练集合不太符合要求

但是，我发现测试集合好像还满满足需求的，所以把测试集合当成训练集合就好了哈哈哈哈~~

特征的提取：extractHOGFeatures(img,'CellSize',[4,4])

分类器：svm(trainingFeatures, trainingLabels(:,d))

判定：if svmclassify(svm(digit),testFeatures)==1

实验结果是，总之以上三个图可以识别。。。因为，说了是最简单的ocr问题啊= =

当然matlab2014b里面已经有了ocr函数，高大上的两句话: result = ocr(I), word=results,Words{}，已经跪了。。