lf666000的博客

clear allclcclose allImg=imread('C:\Documents and Settings\Administrator\桌面\b.jpg');%图像分成mxn块m=4;n=4;[sample_h sample_w]=size(Img);%读入图像的高和宽 640 360region_h=floor(sample_h/m);%每个区域的高 1

3.2.2.BP算法过程 （1）初始化 对权值矩阵W、V赋随机数，将样本模式计数器p和训练次数计数器q置为1，误差E置0，学习率η设为0~1内的小数，网络训练后达到的精度设为一个正的小数。 （2）输入训练样本对，计算各层输出用当前样本对X，d序列赋值 （3）计算网络输出误差设共有P对训练样本，网络对于不同的样本具有不同的误差：采用均方根误差作为总误差：8  （4）计算各

去除干扰线干扰线对于识别验证码增加了一些难度，不过干扰线只有很小的几率会以大角度曲线的方式出现，大部分时间还是小角度直线，去除算法可以参考http://wenku.baidu.com/view/63bac64f2b160b4e767fcfed.html对于1个像素粗细的干扰线，在字符为2个像素以上的时候，可以用去噪点算法作为滤镜，多执行几次，就可以完美的把细干扰线去掉。对于像素数比干扰点稍

clear all;close all;clc;A = imread('C:\Users\Administrator\Desktop\验证码图片\6.bmp');A = rgb2gray(A);       [m,n] = size(A);        value = 200;                      %设定阈值B = zeros(m,n)+255;

[+]1、二值图像的生成函数im2bw：把图像转换成二值图像[plain] view plaincopyload trees;  BW=im2bw(X,map,0.4);  subplot(121),imshow(X,map),title('原图像');  subplot(122),imshow(BW),tit

1.1字符分割的基础字符分割的任务是把多行或多字符图像中的每个字符从整个图像中分割出来，成为单个字符。对于字符分割的问题常常不被重视，但是字符的正确分割对字符的识别是至关重要的。由于字符字体存在着多样性，所以在一般的字符识别系统中，字符识别之前要先对图像进行阈值化，然后再进行行字切分，以分割出一个个具体的二值表示的字符图像点阵，作为单字符识别的输入数据。由于获得的文本图像不但包含了

欧拉数是拓扑学中的范畴，在搜索这个词的时候我发现包括百度百科在内的说明都没有说清楚。我的理解就是欧拉数定义为E，他表示一个图像区域中的孔数H和连接部分数C的差，即E=C-H;在这里孔数好理解，难理解的就是所谓的“连接部分数C”，我的理解就是图像中的有多少个单独连接的部分，而其中的每一个部分都是链接在一块的，如下面的字母A，他的连接数就是1.使用bweuler函数可以计算出图像的欧拉数，但是

很多朋友把图形图像混为一谈，其实它们是有很多区别的。一、存储方式的区别：图形存储的是画图的函数；图像存储的则是像素的位置信息和颜色信息以及灰度信息。二、缩放的区别：图形在进行缩放时不会失真，可以适应不同的分辨率；图像放大时会失真，可以看到整个图像是由很多像素组合而成的。三、处理方式的区别：对图形，我们可以旋转、扭曲、拉伸等等；而对图像，我们可以进行对比度增强、边缘检测等等。四、算法

clearsum=0;n=1;while n    sum=sum+n;    n=n+1;endsum

%图像变为bmp文件clear all;clc;I=imread('I.bmp'); %读取图片imshow(I);title('源图像');J=im2bw(I,graythresh(I));figure,imshow(J);title('初始二值图像');J=~J;figure,imshow(J);title('取反目标白色');%除去边界白色非目标J=imc

例1 采用动量梯度下降算法训练 BP 网络。  训练样本定义如下：  输入矢量为       p =[-1 -2 3  1        -1  1 5 -3]  目标矢量为   t = [-1 -1 1 1]  解：本例的 MATLAB 程序如下：   close all   clear   echo on   clc   % NEWFF——生