什么是图像识别？图像识别的方法。（基于matlab的）

Posted 2023-05-03

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了什么是图像识别？图像识别的方法。（基于matlab的）相关的知识，希望对你有一定的参考价值。

基于matlab的图像识别算法。老师问：什么是图像识别？图像识别的方法有哪些。请问怎么回答。

什么是图像识别？这个问题如果乍一问出，很多人可能都会愣一下，但一细想，便能说出很多很多的应用场景，想什么二维码啊，人脸识别啊，网站识图啊之类的。那么又有多少人去真正了解过这项技术呢？今天就让我给您简单介绍一下吧！
计算机识别一张图时会将其转化为数字，通过「训练」计算机可以知道这些数字代表的含义，但早期图像识别技术还不够发达，识别很容易因图像发生微小的变化而失灵。
得益于上世纪80年代提出的卷积神经网络（简称CNN）算法，图像识别技术得到了质的飞跃。要进行图像识别，我们首先依然需要提取图像的特征，提取图像特征也即对其进行数据化分析，这一过程中需要借助的数学方法称为卷积。
以一个最简单的一维图形C为例，计算机在识别任何图像之前都需要将其转化为数字，如下那么计算机是如何做到仅凭那些数字就认出原图像的呢？这里就需要借助「卷积核」进行卷积运算，提取「图像」（即图右的数字化“图像”）的特征。卷积核类似于计算机最初将图像转化成的数字方块，但卷积核一般都是3×3或5×5的方块，3×3方块中有三个方块是有值的（即值为1），卷积核是计算机在学习的过程中，根据所得数据调节卷积核，卷积核可以有很多个。有了卷积核，我们就能通过在图形数字方块与卷积核之间做卷积运算，计算并得到特征图。
第一步卷积完成，得到初步的特征图。之后通过「池化」与「激活」，对特征图进行简化，也即对特征图中有特征部分（即有值部分）进行放大，这一步显然是为精准识别图形特征服务的。
要识别的图形越复杂，特征图得越精准，因此需要多次卷积、池化与激活。经过上述这些步骤，我们可以得到图像在各平面与维度中的特征，也可以得到轮廓、颜色等方面的特征。我们把这些特征信息接入计算机进行训练，就能判断这些众多特征图代表的图形是什么了。
当我们把那些特征信息/数据传输到计算机上，让它通过不断的「机器学习」，不断自行调整卷积核和参数，最终就能分辨出物体。这也是为什么，我们戴着口罩或眼睛，或者盖住一些脸部器官也能被机器所识别，这还是因为计算机早就收集到了我们足够多的面部特征。
科技融入生活，是我们大家都非常喜闻乐见的事情，同时，科技也改变了许多我们的工作生活方式，当然也有不少的科学技术是因为时代的背景应运而生，就好像在疫情期间出现的各种“数字哨兵”人脸识别健康码一体式设备。而汉玛智慧作为人脸识别设备和解决方案的生产厂家，也希望和大家一起努力，让更方便的科技为我们的生活增添色彩！参考技术A http://search.ilovematlab.cn/f/discuz?mod=forum&formhash=3e8de430&srchtype=title&srhfid=216&srhlocality=forum%3A%3Aindex&sId=8585553&ts=1393895570&cuId=0&cuName=&gId=7&agId=0&egIds=&fmSign=&ugSign7=&sign=219ef8d0b29b1b0156653d8427cc8b43&charset=utf-8&source=discuz&fId=0&q=%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB&srchtxt=%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB&searchsubmit=true
去matlab中文论坛上看看
别在这里坐等别人喂你。参考技术B 你这是现场老师在问问题吗？还是自己借本书看看比较好。

发票识别基于图像形态学处理的发票数字识别的MATLAB仿真

1.软件版本

matlab2021a

2.部分核心代码

clc;
clear;
close all;
warning off;
addpath 'func\\'

alpha = 0.9;
LL    = 3;
%下面的参数需要做略微调整
% 1  ：33
% 2  ：48 
% 3  ：28 
% 4  ：31 
% 5  ：32 
% 6  ：32 
% 7  ：29 
% 8  ：26
% 9  ：25
% 10 ：44
% 11 ：49
% 12 ：54
% 13 ：54
% 14 ：48
LEN   = 48;

%%
%读取发票图片
%数据格式一
SEL= 1;
I0 = imread('TICKET\\14.png');
figure;
subplot(221);
imshow(I0);
title('原始图像');

%%
%数字提取
%区域定位
[I1,I2,I3,I4] = func_area_find(I0,alpha);
subplot(222);
imshow(I2,[]); 
title('待检测区域定位后图像');
subplot(223);
imshow(I3,[]); 
title('待检测区域定位后图像灰度图');
%分区域进行二值化
subplot(224);
imshow(I4,[]);
title('分区域进行二值化'); 

%提取需要检测的车号，日期，上车时间1,3,4行
[Car_Num,DATE,DONE_Num] = func_position(I4,I2);
figure;
subplot(311);
imshow(Car_Num,[]);
title('车号'); 
subplot(312);
imshow(DATE,[]);
title('日期'); 
subplot(313);
imshow(DONE_Num,[]);
title('上车时间'); 

%将字符字母数字进行分割
[Car_Nums,DATEs,DONE_Nums] = func_segment(Car_Num,DATE,DONE_Num,LEN,LL);

%%
%数字识别
%二值
[Car_Nums1,DATEs1,DONE_Nums1] = func_im2bw(Car_Nums,DATEs,DONE_Nums);

[Car_Nums2,DATEs2,DONE_Nums2] = func_im2bw2(Car_Nums1,DATEs1,DONE_Nums1,SEL);


%识别
OUT1 = func_reg(Car_Nums2);
OUT2 = func_reg(DATEs2);
OUT3 = func_reg(DONE_Nums2);
OUT1
OUT2
OUT3
OUT1  = OUT1;
OUT2  = OUT2;
OUT3  = OUT3;
%保存
fid = fopen('save.txt','wt');
for i = 1:3
    for j = 1:length(OUTi)
        tmps = cell2mat(OUTi(j));
        fprintf(fid,'%c ',tmps);    
    end
    fprintf(fid,'\\n\\n');
end
fclose(fid);