MATLAB自然场景图像文本检测与识别系统

资 源 简 介

本项目实现了一套完整的图像中文本信息提取方案，旨在帮助初学者深入理解光学字符识别（OCR）的全流程技术。系统功能主要分为四个核心模块：1. 图像预处理：通过灰度化、高斯滤波去噪、边缘增强以及基于Otsu算法的自适应二值化处理，有效分离前景文字与复杂背景；2. 文本检测与定位：采用MSER（最大稳定极值区域）特征检测算法寻找候选文字区域，结合几何特征（如宽高比、致密度）和连通域分析剔除非文字干扰，利用形态学膨胀连接相邻字符，最终在原图上通过矩形框精确标记出文本行的位置；3. 字符分割：利用垂直投影法分析像素分布的波峰与波谷，将定位后的文本行切分为单个独立的字符图像，为识别做准备；4. 文本识别：提供模板匹配算法与MATLAB内置OCR工具箱两种实现方式，将分割后的字符图像转化为可编辑的文本字符串。该项目代码注释详细，逻辑清晰，是学习数字图像处理与计算机视觉技术的优秀入门案例。

详 情 说 明

基于MATLAB的自然场景图像文本检测与识别系统

项目简介

本项目是一个基于MATLAB开发的完整光学字符识别（OCR）演示系统，旨在帮助初学者深入理解计算机视觉中提取文本信息的全流程技术。系统采用模块化设计，涵盖了从图像输入、预处理、文本区域检测、字符分割到最终文本识别的各个环节。

该方案不依赖外部图像文件，内置了图像合成功能，能够自动生成带有噪声和模糊效果的含文本测试图像，确保代码在任何MATLAB环境下均可直接运行并展示结果。

功能特性

系统主要包含以下四大核心功能模块：

1. 图像预处理：通过灰度转换、高斯滤波平滑、边缘锐化增强以及Otsu自适应二值化，有效消除背景噪声并突出文字特征。
2. 文本检测与定位：利用最大稳定极值区域（MSER）算法提取候选区域，结合几何特征（宽高比、偏心率等）筛选文字，并通过形态学处理将分散的字符连接成文本行。
3. 字符分割：基于垂直投影法分析像素波峰波谷，将检测到的文本行切割为独立的单个字符图像，并进行二次水平投影去除上下留白。
4. 文本识别：集成MATLAB内置OCR引擎对分割定位后的区域进行识别，同时代码中预留了模板匹配算法的函数定义供学习参考。

系统要求

• MATLAB R2017a 或更高版本
• Image Processing Toolbox（图像处理工具箱）
• Computer Vision Toolbox（计算机视觉工具箱）

使用方法

1. 确保MATLAB已安装上述工具箱。
2. 直接运行主脚本。
3. 系统将自动生成测试图像，并弹出一个包含6个子图的窗口，依次展示：

* 原始合成图像 * 预处理后的二值化图像 * 文本区域检测掩膜 * 在原图上标记的检测框与识别文字 * 单字符分割流的可视化 * 最终识别出的文本列表

实际实现与关键算法详解

1. 图像输入与合成

系统内置了一个测试图像生成函数，模拟真实场景中的以下特征：

• 生成背景：创建白色背景并添加“椒盐噪声”（Salt & Pepper）以模拟图像噪点。
• 文本植入：插入两行文本（例如 "MATLAB OCR SYSTEM"），字体设定为Arial。
• 环境模拟：应用运动模糊（Motion Blur）滤镜，模拟拍摄时的抖动或光照不均，增加识别难度。

2. 图像预处理

为了提高检测准确率，对原始图像进行了严格的预处理：

• 灰度化：将RGB图像转换为灰度图。
• 高斯滤波：使用 imgaussfilt 对图像进行平滑处理，去除高频噪点。
• 边缘增强：应用非锐化掩蔽（Unsharp Masking）技术，通过 imsharpen 增强文字边缘的对比度。
• 自适应二值化：利用Otsu算法（大津法）计算全局阈值进行二值化。代码中包含自动反色逻辑：通过计算平均像素值，确保文字部分在二值图中表现为前景（白色），背景为黑色。

3. 文本检测与定位

采用经典的MSER（最大稳定极值区域）算法配合形态学操作进行定位：

• MSER特征提取：检测图像中具有稳定灰度变化的区域，区域面积限制在 [30, 8000] 像素之间。
• 几何特征筛选：利用 regionprops 分析连通域属性，通过以下规则剔除非文字区域：

* 偏心率 (Eccentricity)：小于0.995，去除极细长的线条干扰。 * 宽高比 (Aspect Ratio)：限定在 0.2 到 5 之间。 * 实心度 (Solidity)：需大于0.3，排除过于离散的噪点。 * 欧拉数 (EulerNumber)：排除孔洞数量极其异常的区域。

• 形态学连通：对筛选出的文本掩膜应用形态学膨胀 (Dilation) 操作。使用扁长形的矩形结构元素 [3, 15]，将水平方向上相邻的字符连通成完整的文本行区域。
• 区域提取：通过 regionprops 获取最终合并后的文本行边界框（Bounding Box）。

4. 字符分割

对于每一个检测到的文本行区域，系统使用垂直投影法进行分割：

• 降噪：先去除文本行切片中的微小噪点。
• 垂直投影：计算图像每一列的像素和。
• 波峰波谷分析：寻找投影值从0到1（笔画开始）和从1到0（笔画结束）的跳变点，以此确定字符的左右边界。
• 二次裁剪：在分割出单字符后，通过水平投影（行求和）确定字符的上下边界，去除多余的纵向空白，确保字符图像紧凑。

5. 文本识别

系统实际调用的识别方案如下：

• OCR识别：遍历所有检测到的文本行候选框，直接调用MATLAB内置的 ocr 函数。为了获得更高精度，识别操作是在灰度原图的裁剪区域上进行的（而非二值图）。
• 后处理：识别结果经过正则处理去除多余的空格和换行符。
• 可视化输出：识别出的文字会被直接绘制在原图的对应矩形框上方，同时在结果列表中输出。

关键代码函数分析

• segmentCharacters

核心分割函数。输入二值化的文本行图像，输出分割后的单个字符图像元胞数组。该函数实现了“清理噪点 -> 计算垂直投影 -> 寻找分割点 -> 提取字符 -> 水平投影二次裁剪”的完整逻辑。

• generateTestImage

数据生成函数。负责创建一张包含噪点、模糊效果和文字的合成图像，使得项目无需外部素材即可独立运行验证。

• verifyByTemplateMatching

模板匹配逻辑函数。尽管主流程优先使用了内置OCR工具箱以提升从零开始的演示效果，代码中依然保留了该函数定义。通过计算归一化互相关系数（corr2）来寻找最佳匹配字符，为理解基于模板的识别原理提供了代码参考。