基于学习手写汉字特征的简易汉字识别程序

基于学习手写汉字特征的简易汉字识别程序

前面两篇介绍了特征提取，贝叶斯分类等问题，这一篇讲解怎么测试我们的程序对不对。
代码如下：

function bayesBinaryTest(imp)
%利用贝叶斯分类器对手写图片识别
load templet;         %加载汉字特征
%A = imp;             %得到待识别图片
A=imread('C:UsersAdministratorDesktopBayesBinaryHandwritingRecognition_BC_20190220-master贝叶斯手写汉字识别样本集昆1.bmp');
figure(1),subplot(121),imshow(A),title(['待识别的汉字：']);
B=zeros(1,100);%创建1行100列的特征向量  其实与多少与谁是行和列没关系，也可以100行1列
[row col] = size(A);  %得到待测样本的行列
cellRow = row/10;     %将其降维   得到缩小100倍的特征图片
cellCol = col/10;
%disp(row);disp(col);%读取的行列数正好是图片的像素数即120行90列
%像素已经是二值化的灰度图，所以读取的像素值不是0（黑色）就是255（白色）
%A中读取和存储的是像素值，是一个120行90列的矩阵    最后将每一个12*9个方格整合成一个方格，最后的得到一个10*10的栅格
count = 0;            %每1/100个格子中为0的像素点个数
currentCell = 1;      %当前计算为第1个1/100格子部分
for currentRow = 0:9    for currentCol = 0:9    for i = 1:cellRow     %计算每1/100部分中为0的数量for j = 1:cellColif(A(currentRow*cellRow+i,currentCol*cellCol+j)==0)count=count+1;endendendratio = count/(cellRow*cellCol);   %计算1/100部分中黑色像素的占比    将每12*9个方格中的黑色像素平均到这12*9个中去，%像素会降低，所以要设定阈值，将达到一定数量黑色像素的12*9的方%格置成10*10的中的一个黑色像素点 ，如下一步B(1,currentCell) = ratio;          %将每个占比统计在B特征向量中currentCell = currentCell+1;       %新的1/100部分开始计算count = 0;                         %像素点计数置0end
end
%disp(B')%B'打印出来是一列一百行的向量
class = bayesBinary(B');                   %将该特征利用贝叶斯分类器分类,返回类的个数
subplot(122),imshow(['C:UsersAdministratorDesktopBayesBinaryHandwritingRecognition_BC_20190220-master贝叶斯手写汉字识别样本集',num2str(class),'.jpg']),title(['该汉字被识别为：']);
disp(['该汉字被识别为：',pattern(class).name]);

想要识别文字，就要先把文字信息导入到程序中，老样子，还是用imread将信息读取，下面的设置B矩阵，读取文件的大小，像素的点数等等。程序里面我又增加了一些注释，更加清楚，我就不多言了。对了，应用时记得把imread里面的路径改成自己的。文字库下载的话，我资源里面有。
一起学习，共同进步。