1.简述
学习目标： 学习BP神经网络字母识别
字符识别应用非常广泛，比如车辆牌照自动识别和手写识别等。我们采用BP网络对26个英文字母进行识别，首先将26个字母中每一个字母都通过7×5的方格进行数字化处理，并用一个向量表示，其相应有数据的位置设置为1，其他位置设置为0。
打开shibie.m文件，运行会出现下列提示：输入图像
输入图形编号2.bmp，按回车键。
会出现如下图所示的结果
字母M为3.bmp，其输出结果为
通过仿真结果可以看出，基于BP神经网络算法的字母识别方法，容错性和识别还可以接受，在有噪声的情况下训练，其识别出错率较高，因此应当客观看待此方法。
程序中需要识别的图片：
2.代码
clear all %清空环境变量
p(1:256,1)=1; %P为256行1列，全部赋值为1
p1=ones(16,16); %初始化16*16的二值图像，像素值全部为1（全白)，0是全黑
load E11net net; %加载训练后的BP网络
test=input('输入图像:','s'); %提示输入图像文件名，需要添加后缀
if isempty(test),test=0;
end
if test==0,
disp('输入错误，请重新输入图像名称和完整后缀');
test=input('请输入图像:','s'); %提示输入图像文件名
end
figure(2)
x=imread(test,'bmp'); %读入图像
subplot 121,imshow(x);
title('输入图像');
hold on;
bw=im2bw(x,0.5); %将读入的训练样本图像x转换为二值图像bw
[i,j]=find(bw==0); %寻找二值图像bw中像素值为0（黑色）的行号i和列号j
imin=min(i); %寻找二值图像bw中像素值为0(黑色)的最小行号imin
imax=max(i); %寻找二值图像bw中像素值为0(黑色)的最大行号imax
jmin=min(j); %寻找二值图像bw中像素值为0的最小列号jmin
jmax=max(j); %寻找二值图像bw中像素值为0的最大列号jmax
bw1=bw(imin:imax,jmin:jmax); %截取图像像素值为0的最大矩形区域bw1
rate=16/max(size(bw1)); %计算转换为16*16的二值图像的缩放比例rate
bw1=imresize(bw1,rate); %将截取图像转换为16 x 16的二值图像bw1
[i,j]=size(bw1); %转换图像bw1的大小
i1=round((16-i)/2); %计算转换图像bw1的宽度与16的差距
j1=round((16-j)/2); %计算转换图像bw1的高度与16的差距
p1(i1+1:i1+i,j1+1:j1+j)=bw1; %将截取图像转换为标准的16*16的图像
p1=-1.*p1+ones(16,16); %反色处理
for m =0:15
p(m*16+1:(m+1)*16,1)=p1(1:16,m+1); %形成测试样本输入向量
end
[a,Pf,Af]=sim(net,p); %BP神经网络网络仿真
subplot 122,imshow(p1);title('测试图像结果显示'); %显示测试图像
3.运行结果
