文章内容：利用 MATLAB 对图像进行简单处理，包括图像的模糊、锐化、和直方图均衡化；对图像进行边缘检测；并对利用 MATLAB 对图像中的数字提取识别。

实验环境：MATLAB2020 MALTAB2020安装链接：https://mp.weixin.qq.com/s/Yo9VkjJnKB53qEgLb-Wvow

注意：代码第一行的文件目录是我使用的图片的位置，读者需要自己准备好图片并将代码中的目录改掉。

此为进行处理的原始图像：

进行图像灰度化并把图像的大小进行调整为原来的一半，得到图像：

对图像分别进行均值滤波器模糊、拉普拉斯算子锐化处理，得到的结果如下图：

对图像进行直方图均衡化操作，得到的原始图像直方图、均衡化后的图像以及直方图如下所示：

可以得到Laplace算子处理得到的边缘：

利用 Sobel 算子获得的图像的水平和垂直边缘。并得到两个方向的合成图像，它表示图像的综合边缘信息。 从图中可以看出，图像用 Sobel 算子进行边缘增强后整个图像很暗，为了更清晰地表现图像的轮廓信息，对合成边缘中的边缘像素进行了增强处理，获得最后一幅所示边缘增强的结果，它由 4 个灰度级来表示。

数字标识部位分割，通过像素位置定位出图像中的数字。

注意：代码中的数字部分特征提取及分别对每个数字的提取时，选取的像素范围需要根据自己的图片中数字的像素位置进行修改。 比如代码中第7行的" I3=I2(2294:2330,1859:1964);"。 指数字部分 I3 在 I2 内的位置范围，其中的四个数据是由两组像素坐标组成，读者可以自己分析四个数据分别对应哪种坐标。

小技巧：在MATLAB生成的图像中可以直接查看某点的像素坐标 点击“数据提示”标志，在图像中点击即可查看该点的坐标。如下图：

通过计算，得到图像的灰度图和二值化图像如下图所示：

对具有数字标示的部位进行分割的结果如下图：

对数字部分区域进行闭运算得到的结果如下图：

将每个字符分割出来，用二值化表示，对每个数字图像进行膨胀操作，以将修正数字区域的边界毛刺并画出分割的结果得到5个数字的图像如下图：

通过对每个提取的数字与模版进行相关运算，得到它们之间的相关系数，然后对数字进行判断识别。

实现不同字符的识别 提前准备好 0-9 十个数字的标准数字模板，寻找与拍摄图片中的数字字体相同的标准模板。 小技巧：可以在 Word 里寻找相似的字体，将数字打出来再放大截屏获取。

比如下面这样的模板：

通过与模板逐个进行相关运算，比较出相关系数最大的字符，即可得到识别结果。

运算结果：

相关系数结果比较： 可以看出，对第一个数字 J1 与十个模版进行逐一进行相关运算，得到他们之间的相关系数数组 K，求出其中相关系数最大的数对应的 K 序号，就可以识别出图片中此数字是几。比如上述程序识别出第一个数字是 6。

用同样的方法可以得到：

运算结果： 相关系数结果比较： 所以第二个数字为 1。

对于图片中的其他字符，比如英文字母、汉字、或者其他符号的识别，其实与上面的数字提取识别大同小异。原理都是类似的，通过像素位置定位提取，再与模板进行相似比较。这样可能需要的模板更多，只适用于工作量比较小的情况，所以对与一些大工程识别，还需要更深入更复杂的解决方法，读者可以关注这方面的现况与发展，继续学习。 文章内容如有错误或疑问，敬请读者斧正。