4
你好，我有以下图片分割的问题。它是需要被识别的有色字符。我正在使用锐化，维纳去模糊和维纳平滑。之后，我用模糊c均值聚类（3级）分割图片。但是在字母E的情况下，我得到的最好的结果是没有锐化，去模糊和平滑处理，只是使用阈值fcm分割。但是，我应该得到比这更好的结果，我可以将这两部分整体结合起来（不仅仅是上半部分与另一半黑色部分）。图像降噪OCR
我怎么能解决这个问题，以更强大的和其他图像也工作，例如图片中的5？ 5的结果是在fcm集群之上进行锐化，减弱和平滑处理。我怎么能让它更连接也许？
我真的很感激任何帮助，我可以得到，拜托，哦，我在matlab中这样做...所以它会很高兴从那里得到任何帮助，谢谢！
编辑：
我下面的代码是这样的： 函数[BW，电平] = fcmthresh（IM，SW） 如果（nargin < 1） 误差（ '你必须提供一张图片。'）; elseif（nargin == 1） sw = 0; elseif（sw〜= 0 & & sw〜= 1） 错误（'sw必须是0或1.'）; 结束
data=reshape(IM,[],1);
[center,member]=fcm(data,3);
[center,cidx]=sort(center);
member=member';
member=member(:,cidx);
[maxmember,label]=max(member,[],2);
if sw==0
level=(max(data(label==1))+min(data(label==2)))/2;
else
level=(max(data(label==2))+min(data(label==3)))/2;
end
bw=im2bw(IM,level);
function img=wienerDeblur(im)
ImgNoisyBlurry = im2double(im);
PSF = fspecial('laplacian'); %LEN, THETA add parameters for 'motion'
noise_var = 0.0001; %0.0001
estimated_nsr = noise_var/var(ImgNoisyBlurry(:));
wnr3 = deconvwnr(ImgNoisyBlurry, PSF, estimated_nsr);
img = wnr3;
end
H = fspecial('unsharp');
im = imfilter(im,H,'replicate');
im = wienerDeblur(im);
im = wienerSmoothing(im);
这就是所有的代码，加上我只用fcmthres字母E，因为它的工作原理是最好的。 我读了关于形态图像处理（膨胀，侵蚀），以便可能做的伎俩。
有没有更好的图像对比和噪音去除技术？
您现在的工作代码是什么？ – 2012-07-30 07:01:06
我会首先检测背景颜色反转区域，并将图像的所有部分转换为相同的背景（通过反转一半），然后开始分割和过滤... – Spektre 2015-05-19 08:05:40