基于MATLAB的手写公式识别
预处理其本质就是去除不需要的噪声信息，得到后续定位分割所需要的图像信息。图像信息在采集的过程中由于天气环境的影响、车牌本身的污损[13]等影响，获取的图像往往对比度和清晰度不是很理想，同时不利于后续的对车牌进行定位与分割，甚至可以影响到最后的实验结果。因此图像的预处理过程在前期图像处理方面就显得尤为必要。本课题中需要对采集后得到的图像首先进行灰度化，再对灰度图像进行拉伸处理，使得图像中的灰度分布变得均匀，从而有利于寻找边界，最后图像进行了滤波处理，滤除了背景中的一些噪声干扰。
[X,map] = imread(‘num.bmp‘); newmap = rgb2gray(map); figure,imshow(X,map); %显示原图像 figure,imshow(X,newmap); %显示转换后的灰度图像 I = histeq(map);%增强对比度 figure,imshow(X,I); H=imread(‘num.bmp‘);%调整灰度图像的灰度 figure, imshow(uint8(H));
close(1:3);%有点乱了 J = imnoise(H,‘salt & pepper‘,0.02);%添加椒盐噪点 K = medfilt2(J);%使用中位数滤波器滤除该噪声 imshowpair(J,K,‘montage‘)%并排显示
% 通过这里的操作可见把图像处理的很到位，干净多了
通过比较可以看出 Roberts 算子通过计算局部差分等数学运算定位边缘，虽然准确率高，但往往提取的边缘信息不完整。该算子的算法中没有平滑处理的过程，因此容易受到噪声的干扰，故适合处理噪声低的图像，且对具有陡峭边缘的图像灵敏度比较大，定位的效果要更好。
%寻找图像边缘 L = edge(K,‘Roberts‘); figure,imshow(L);
可以不腐蚀（假定图形规范，但是后期会对复杂情况作二次处理）
%腐蚀 imerode(erode=腐蚀、侵蚀)，比较可知在所有的复式结构中A2最优 subplot(221),imshow(L); title(‘腐蚀原始图像‘); %strel函数的功能是运用各种形状和大小构造结构元素 se1=strel(‘disk‘,5);%这里是创建一个半径为5的平坦型圆盘结构元素 A2=imerode(L,se1); subplot(222),imshow(A2); title(‘使用结构原始disk(5)腐蚀后的图像‘); se2=strel(‘disk‘,10); A3=imerode(L,se2); subplot(223),imshow(A3); title(‘使用结构原始disk(10)腐蚀后的图像‘); se3=strel(‘disk‘,20); A4=imerode(L,se3); subplot(224),imshow(A4); title(‘使用结构原始disk(20)腐蚀后的图像‘);
截止到目前，所有的处理在一定程度上是有效的，但是仅限于规范的图形，手写体无法实现。2021-03-2816:11:00
原文：https://www.cnblogs.com/wzh2001/p/14588981.html