GetFeature.m

%將圖像分為25塊，計算每一塊的空白部分所占比例

function data=GetFeature(I)

[row,col]=find(I==0); %返回數字的上下左右的邊界

I=I(min(row):max(row),min(col):max(col)); %截取手寫數字圖像，使其緊包含數字邊界，不包含多余的空白

imwrite(I,'您手寫的字.bmp','bmp'); %保存截取后的手寫數字圖像

[row,col]=size(I);

r=fix(row/5); %為分25塊做準備

c=fix(col/5);

sum=0; %計算空白塊數目

k=1;

feature=[];

for i=1:r:5*r %先從行開始計算

for j=1:c:5*c %保持行不變，先計算列

for m=i:i+r-1

for n=j:j+c-1

if I(m,n)==0

sum=sum+1; %每一塊空白的像素塊的數目

end

end

end

data(k)=sum/(r*c); %第k個特征分量，即第k塊的空白率，k最大為25

sum=0;

k=k+1;

end

end

data=data'; %將當前手寫數字的特征向量由行向量變為列向量

end

rbftest.m

function y = rbfnettest( sample )

load template pattern;

c=0;

for i=1:10

for j=1:210

c=c+1;

p(:,c)=pattern(i).feature(:,j);

end

end

tc(:,1:210)=0;

tc(:,211:420)=1;

tc(:,421:630)=2;

tc(:,631:840)=3;

tc(:,841:1050)=4;

tc(:,1051:1260)=5;

tc(:,1261:1470)=6;

tc(:,1471:1680)=7;

tc(:,1681:1890)=8;

tc(:,1891:2100)=9;

tc=tc/10;

t=tc;

SPREAD=1;

rbfnet=newrbe(p,t,SPREAD);

t=sim(rbfnet,sample);

t=t*10;

y=round(t);

end

test.m

clear

clc

I=imread('sample3.bmp');

A=GetFeature(I);

Y=rbfnettest(A)

相關數據庫與代碼下載地址：http://pan.baidu.com/s/1c0oH7l2

本文同步分享在 博客“風翼冰舟”(CSDN)。

如有侵權，請聯系 support@oschina.cn 刪除。

本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。

總結

以上是生活随笔為你收集整理的matlab global rbfnet,基于RBF简单的matlab手写识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。