- 上一篇：HTML5“霍比特人”游戏网站设计+文献综述
- 下一篇：基于Web架构的互联网评论观点挖掘系统设计
图 1.1 图像分割方法框架
图像分割又可以划分为结构分割方法与非结构分割方法两大类。结构分割方法是根据图像的局部区域像素的特征来实现图像的分割；如文理分析、区域生长、阈值分割和边缘检测等。非结构分割方法有神经网络、统计模式识别方法或者是其他利用景物的先验知识实现的方法等等。
1.2 发展趋势
2 图像预处理
2.1 图像预处理
图像的预处理，就是将每个文字图像分检出来交由能识别的模块识别。由于在获取图像的信息中受到各种噪音、光学失真、曝光量过量或不足等各种因素的影响，造成某些图像细节无法看清和辨认困难，因此就需要对图像进行适当的一些处理，消除图像中的无关信息，增强有关信息，从而获取对图像处理有用的信息。在对图像进行研究之前，必须对这些受到影响的图像进行一些对图像改善的预处理。
2.2 图像的灰度转换
图像处理中，大部分的处理方法都需要事先把彩色图转换成灰度图才能进行相关的计算、识别。一副灰度图像是一个数据矩阵I，其中数据军代表了在一定方位内的颜色灰度值。通常把灰度图像用数据矩阵的形式进行存储，每个元素表示了图像中的每个元素。矩阵元素可以是8位或16位无符号的整数类型、双精度的浮点型。
2.2.1 彩色图像转换灰度图像的原理
彩色位图是由R/G/B三个分量组成，以R、G、B为轴建立空间直角坐标系，则RGB图的每个象素的颜色可以用该三文空间的一个点来表示；
而Gray图的每个象素的颜色可以用直线R=G=B上的一个点来表示。于是rgb转gray图的本质就是寻找一个三文空间到一文空间的映射，最容易想到的就是射影（即过rgb空间的一个点向直线R=G=B做垂线），事实上Matlab也是这样做的，并且有Gray = 0.29900 * R + 0.58700 * G + 0.11400 * B。
灰度图指的是含亮度信息，不含色彩信息的图象，就象我们平时看到的黑白照片：亮度由暗到明，变化是连续的。因此，要表示灰度图，就需要把亮度值进行量化。通常划分成0到255共256个级别，其中0最暗(全黑)，255最亮(全白)。灰度可以说是亮度（luminance）的量化值，而RGB的定义是客观的三个波长值，转换时需要考虑人眼对不同波长的灵敏度曲线，所以系数不相等 。
2.2.2 彩色图像转换灰度图像的MATLAB实现
在对彩色图像进行灰度处理的打码如下所示：
X=imread('shyyjsxy.png');
HD=rgb2gray(X);
figure,subplot(1,2,1),imshow(X);title('彩色图');