基于特征統(tǒng)計(jì)的字符識(shí)別

1、基于特征統(tǒng)計(jì)的字符識(shí)別摘要采用數(shù)字字符輪廓結(jié)構(gòu)特征和統(tǒng)計(jì)特征相結(jié)合的方法，并從中選出穩(wěn)定的局部特征，利用結(jié)構(gòu)語(yǔ)句是別的方法進(jìn)行數(shù)字的識(shí)別，能夠?qū)崿F(xiàn)不同字體數(shù)字的準(zhǔn)確識(shí)別，同時(shí)還提高了是別的速度。關(guān)鍵字：字符識(shí)別，MATLAB,統(tǒng)計(jì)特征。前言字符識(shí)別是模式識(shí)別的一個(gè)分支，它能人人提高信息的采集錄入速度，減輕人們的工作強(qiáng)度。隨著計(jì)算機(jī)技，字符識(shí)別技術(shù)多年來(lái)不斷改進(jìn)和完善，現(xiàn)在已經(jīng)廣泛應(yīng)用于各個(gè)領(lǐng)域,使人量的文檔資料能快速、方便、省時(shí)省力和及時(shí)地自動(dòng)輸入計(jì)算機(jī)，實(shí)現(xiàn)信息處理的電子化。到目前為止，盡管人們研究中已取得很多可喜成就，但還不能滿足我們口常的需求.研究字符識(shí)別技術(shù)，提高字符識(shí)別率具有非常重要

2、的意義。ORC技術(shù)簡(jiǎn)介OCR技術(shù)是光學(xué)字符識(shí)別的縮寫(OpticalCharacterRecognition),是通過(guò)打描等光學(xué)輸入方式將各種票據(jù)、報(bào)刊、書籍、文稿及其它印刷品的文字轉(zhuǎn)化為圖像信息，再利用文字識(shí)別技術(shù)將圖像信息轉(zhuǎn)化為可以使用的計(jì)算機(jī)輸入技術(shù)?？蓱?yīng)用于銀行票據(jù)、人量文字資料、檔案卷宗、文案的錄入和處理領(lǐng)域。適合于銀行、稅務(wù)等行業(yè)人量票據(jù)表格的自動(dòng)掃描識(shí)別及長(zhǎng)期存儲(chǔ)。相對(duì)一般文本，通常以最終識(shí)別率、識(shí)別速度、版面理解正確率及版面還原滿意度4個(gè)方面作為OCR技術(shù)的評(píng)測(cè)依據(jù)；而相對(duì)于表格及票據(jù)，通常以識(shí)別率或整張通過(guò)率及識(shí)別速度為測(cè)定OCR技術(shù)的實(shí)用標(biāo)準(zhǔn)。OCR識(shí)別技術(shù)不僅具有可以自動(dòng)

3、判斷、拆分、識(shí)別和還原各種通用型印刷體表格，在表格理解上做出了令人滿意的實(shí)用結(jié)果，能夠自動(dòng)分析文稿的版面布局，自動(dòng)分欄、并判斷出標(biāo)題、橫欄、圖像、表格等相應(yīng)屬性，并判定識(shí)別順序，能將識(shí)別結(jié)果還原成與掃描文稿的版面布局一致的新文本。表格自動(dòng)錄入技術(shù)，可自動(dòng)識(shí)別特定表格的印刷或打印漢字、字母、數(shù)字，可識(shí)別手寫體漢字、手寫體字母、數(shù)字及多種手寫符號(hào)，并按表格格式輸出。提高了表格錄入效率，可節(jié)省大量人力。同時(shí)支持將表格識(shí)別直接還原成PTF、PDF、HTML等格式文檔；并可以對(duì)圖像嵌入橫排文本和豎排文本、表格文本進(jìn)行自動(dòng)排版面分析。早在60、70年代，世界各國(guó)就開始有OCR的研究，而研究的初期，多以文字

4、的識(shí)別方法研究為主，且識(shí)別的文字僅為0至9的數(shù)字。以同樣擁有方塊文字的口本為例，1960年左右開始研究OCR的基本識(shí)別理論，初期以數(shù)字為對(duì)彖，直至1965至1970年之間開始有一些簡(jiǎn)單的產(chǎn)品，如印刷文字的郵政編碼識(shí)別系統(tǒng)，識(shí)別郵件上的郵政編碼，幫助郵局作區(qū)域分信的作業(yè)；也因此至今郵政編碼一直是各國(guó)所倡導(dǎo)的地址書寫方式。OCR可以說(shuō)是一種不確定的技術(shù)研究，正確率就像是一個(gè)無(wú)窮趨近函數(shù)，知道其趨近值,卻只能靠近而無(wú)法達(dá)到，永遠(yuǎn)在與100%作拉鋸戰(zhàn)。因?yàn)槠錉砍兜囊蛩靥嗔?，書寫者的?xí)慣或文件印刷品質(zhì)、掃描儀的掃描品質(zhì)、識(shí)別的方法、學(xué)習(xí)及測(cè)試的樣本等等，多少都會(huì)影響其正確率。識(shí)別算法簡(jiǎn)介目前用于字符識(shí)

5、別中的算法主要有基于模板匹配的算法以及基于人工神經(jīng)網(wǎng)絡(luò)的算法。1.基于模板匹配的算法基于模板匹配的的基本過(guò)程是：模板匹配方法是一種經(jīng)典的模式識(shí)別方法，是最直接的識(shí)別字符方法，其實(shí)現(xiàn)方式是計(jì)算輸入模式與樣本之間的相似性，取相似性最人的樣本為輸入模式所屬類別。首先要建立模版庫(kù)，將待識(shí)別字符進(jìn)行二值化并將其尺寸人小縮放為字符數(shù)據(jù)庫(kù)中模板的人小，然后與所有的模板進(jìn)行匹配，最后選擇最佳匹配作為結(jié)果。這種方法具有較快的識(shí)別速度，尤其對(duì)二值圖像速度更快，可以滿足實(shí)時(shí)性要求，但是，它對(duì)噪聲很敏感，而且對(duì)字符的字體風(fēng)格不具有適應(yīng)性，任何有關(guān)光照、字符清晰度和人小的變化都會(huì)影響識(shí)別的正確率，因此在實(shí)際應(yīng)用中為了提

6、高正確率往往需要使用人的模板或多個(gè)模板進(jìn)行匹配，而處理時(shí)間則隨著模板的增人以及模板個(gè)數(shù)的增加而增加。該算法的一種改進(jìn)是基于關(guān)鍵點(diǎn)的模板匹配算法，但針對(duì)不同的應(yīng)用壞境，關(guān)鍵點(diǎn)的選取方法是不同的。該算法可用于類似車牌字符等印刷體字符識(shí)別。在字符較規(guī)整時(shí)，算法對(duì)字符圖像的缺損、污跡有較強(qiáng)的抗干擾能。2基于人工神經(jīng)網(wǎng)絡(luò)的算法神經(jīng)網(wǎng)絡(luò)理論自20世紀(jì)中期提出以來(lái)，取得了一系列的研究成果。近年來(lái)，隨著計(jì)算機(jī)術(shù)和非線性科學(xué)的發(fā)展，神經(jīng)網(wǎng)絡(luò)理論的研究又進(jìn)入一個(gè)新的高潮，其應(yīng)用己經(jīng)滲透到各個(gè)域，并在智能控制、模式識(shí)別、計(jì)算機(jī)視覺(jué)、生物醫(yī)學(xué)工程等方面取得了巨大貢獻(xiàn)。用神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別，主要有兩種方法：一種方法是

7、先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。這種方法實(shí)際上是傳統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)技術(shù)的結(jié)合，可以利用人的經(jīng)驗(yàn)來(lái)獲取模式特征，然后充分利用神經(jīng)網(wǎng)絡(luò)的分類能力來(lái)識(shí)別字符，其識(shí)別效果與字符特征的提取有關(guān)，而字符的特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵，特征參數(shù)過(guò)多會(huì)增加訓(xùn)練時(shí)間，過(guò)少會(huì)引起判斷上的歧義。另一種方法是充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。這種網(wǎng)絡(luò)互連較多，待處理信息量人。這種方法無(wú)需特征提取，由網(wǎng)絡(luò)自動(dòng)識(shí)別字符,抗干擾性能好，識(shí)別率高。但該方法產(chǎn)生的網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜，輸入模式維數(shù)的增加可能導(dǎo)致網(wǎng)絡(luò)規(guī)模

8、龐大。雖然，神經(jīng)網(wǎng)絡(luò)在識(shí)別效果上提高的余地較人，具有較強(qiáng)的容錯(cuò)能力，還可進(jìn)一步訓(xùn)練學(xué)習(xí)，識(shí)別率較高，但其識(shí)別速度較慢，不能滿足實(shí)時(shí)性的要求。正文一.特征統(tǒng)計(jì)匹配法介紹特征統(tǒng)計(jì)匹配法的要點(diǎn)是先提取待識(shí)別模式的一組統(tǒng)計(jì)特征，再按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。漢字的識(shí)別是將字符點(diǎn)陣看作一個(gè)整體，根據(jù)每個(gè)字符的筆畫特征不同，將字符分解為橫、豎、撇、捺、折、圓中的一種或幾種結(jié)構(gòu)特征的集合，經(jīng)過(guò)大量的統(tǒng)計(jì)得到所用特征，再與字符庫(kù)中的特征集合進(jìn)行匹配，從而得到輸入字符的識(shí)別結(jié)果。1字符輪廓的定義由于受噪聲和隨機(jī)污點(diǎn)的干擾，以及二值化和粘連字符處理會(huì)引起的字符變形。為了盡量減少這種變形對(duì)信息特征的干

9、擾，或者從變形的字符中提取可靠的特征信息，將字符的整體輪廓分解為頂部，底部，左側(cè)和右側(cè)4個(gè)方向的輪廓特征來(lái)描述，使得當(dāng)其中的的某部分的筆畫發(fā)生變形時(shí)，不會(huì)改變或者減少對(duì)其他部位特征的影響。左輪廓(LP(K),k=l,2,3.M)定義為字符最左邊邊界像素點(diǎn)的水平方向坐標(biāo)值。LP(i)=minx|P(x,y)GCzy=ii=l,2.M式中P(x,y)表示圖像中的坐標(biāo)為(x,y)的像素點(diǎn)，C表示字符像素點(diǎn)的集合。同理，右側(cè)輪廓(RP(k),k=l,2,3.M)定義為字符最右邊邊界像素點(diǎn)的水平方向坐標(biāo)值。LP(i)=maxx|P(x,y)EC,y=ii=l,2.M相應(yīng)的頂部輪廓(TP(K),k=l,2

10、,3.M)定義為字符最高邊界像素點(diǎn)的垂直方向坐標(biāo)值。底部輪廓(BP(K),k=123.M)定義為字符最低邊界像素點(diǎn)的垂直方向坐標(biāo)值。TP(j)=minx|P(x,y)eC,y=jj=l,2.NBP(j)=minx|P(x,y)eC,y=jj=lz2.N為了描述輪廓變化的特征，定義了4個(gè)方向的輪廓的一階微分：LPD=LP(i+l)-LP(i);RPD=RP(i+l)-RP(i);TPD=TP(j+l)-TP(j);BPD=BP(j+l)-BP(j);式中i=l,2.M-l;j=12.N-l；結(jié)構(gòu)基元利用定義的一階微分變化趨勢(shì)，定義構(gòu)成字符輪廓的基本基元?；净灿?個(gè)，分別是左斜(L),右斜(

11、R),豎直(V),圓弧(C),突變(P)。以左側(cè)輪廓為例，定義上述基本基元:豎直定義:假設(shè)SL,SV和SR分別表示某一側(cè)輪廓的一階微分值大于零，等于零和小于零的個(gè)數(shù)，若SR=O,SL=O,則結(jié)構(gòu)為V。左斜定義:假設(shè)SL,SV和SR分別表示某一側(cè)輪廓的一階微分值大于零，等于零和小于零的個(gè)數(shù)，若SR=O,SL大于閾值LT,則結(jié)構(gòu)為L(zhǎng)。右斜定義:假設(shè)SL,SV和SR分別表示某一側(cè)輪廓的一階微分值人于零，等于零和小于零的個(gè)數(shù)，若SL=O,SR大于閾值RT,則結(jié)構(gòu)為R。圓弧定義:假設(shè)SL,SV和SR分別表示某一側(cè)輪廓的一階微分值大于零，等于零和小于零的個(gè)數(shù)，若SR大于閾值RT,SL大于閾值LT,則結(jié)構(gòu)為

12、C。突變連續(xù)的字符輪廓，其一階微分值的變化量比較小，而當(dāng)字符輪廓不連續(xù)時(shí)，其一階微分值相對(duì)較人，因此，定義：當(dāng)輪廓的一階微分值超過(guò)閾值PT時(shí)，則字符輪廓有突變，即為結(jié)構(gòu)Po基元的檢測(cè)根據(jù)上述定義，考慮實(shí)際應(yīng)用中存在的干擾，基元的檢測(cè)如下：假設(shè)PD(K)表示某側(cè)輪廓的一階微分，kJ,2，.K,SL,SV,和SL分別檢測(cè)到的PD(K)犬于零，等于零和小于零的個(gè)數(shù)，PT,RT和LT為正整數(shù)，貝IJ：若PD(K)MPT,則在K處檢測(cè)到的結(jié)構(gòu)為突變P：若SLLT,SRLT,SRRT,則在K處檢測(cè)到的結(jié)構(gòu)為左斜L：若SLRT,則在K處檢測(cè)到的結(jié)構(gòu)為右斜R;若SLLT,SRRT,則在K處檢測(cè)到的結(jié)構(gòu)為圓弧C

13、：由于字符輪廓突變處，表示字符輪廓不連續(xù)，則突變前后的字符輪廓特征必須分別檢測(cè)。即若K1處檢測(cè)到P,則在l,kl-l的字符輪廓范圍內(nèi)統(tǒng)計(jì)SL,SV和SR獨(dú)立進(jìn)行結(jié)構(gòu)基元檢測(cè)。若在k2處又檢測(cè)到P,則在kl+l,k2-l的范闈內(nèi)進(jìn)行結(jié)構(gòu)基元檢測(cè)，以此類推。由于字符輪廓基元的形成需要一定的數(shù)(T)輪廓像素點(diǎn)，即只有當(dāng)SL+SV+SR事T時(shí),才能進(jìn)行基元檢測(cè)，否則不進(jìn)行基元檢測(cè)，例如，當(dāng)SL+SV+SR二2時(shí)，其形成的基元結(jié)構(gòu)是不穩(wěn)定的。檢測(cè)到突變結(jié)構(gòu)P有效的范圍在XGST,N-ST+1,yeST,M-ST+1,其中的ST表示字符筆畫的寬度。這主要是為了避免干擾嚴(yán)重的情況下，輪廓邊緣光滑處理不夠理想

14、時(shí)，可能檢測(cè)到的假突變基元。輪廓的統(tǒng)計(jì)特征采用上述的結(jié)構(gòu)基元還不足以準(zhǔn)確識(shí)別殘缺和完整的數(shù)字，引入輪廓的統(tǒng)計(jì)特征。(1)水平方向的最人字符寬度Vfeax：Wmax=maxRP(k)LP(K)該特征主要用于識(shí)別數(shù)字1.當(dāng)WmaxW%即為數(shù)字1.(2)垂直方向的比劃數(shù)該特征主要用于識(shí)別數(shù)字0和8.因?yàn)?和8的輪廓結(jié)構(gòu)特征極其相似，所以借助于垂直方向的比劃數(shù)加以區(qū)分，受數(shù)字底部殘缺的影響8在垂直方向的最人筆畫數(shù)也可能為2.采用檢測(cè)到的筆畫數(shù)為2時(shí)垂直方向的最小值來(lái)代替。數(shù)字識(shí)別算法將數(shù)字字符的頂部，左右兩側(cè)的局部輪廓結(jié)構(gòu)特征和輪廓統(tǒng)計(jì)特征組合成特征向屋，用以描述10個(gè)數(shù)字。根據(jù)特征向屋，采用結(jié)構(gòu)語(yǔ)句

15、識(shí)別算法識(shí)別底部殘缺的和完整的數(shù)字字符。由于底部特征丟失，會(huì)改變左右兩側(cè)的部分特征結(jié)構(gòu)，但不會(huì)影響頂部特征，因此特征描述和機(jī)構(gòu)匹配識(shí)別都從頂部輪廓特征開始。實(shí)驗(yàn)結(jié)果結(jié)果顯示數(shù)字0的識(shí)別結(jié)果:源圖像左輪廓上輪廓右輪廓數(shù)字2的識(shí)別結(jié)果:源圖像jiJ/v|rrfpa左輪廓上輪廓數(shù)字2的識(shí)別結(jié)果:源團(tuán)像左輪廓上輪廓010202數(shù)字3的識(shí)別結(jié)果:源圖像2031000201002040數(shù)字4的識(shí)別結(jié)果:源圖像4E|2010數(shù)字5的識(shí)別結(jié)果:源圉像左輪廊上輪廊20100620100數(shù)字7的識(shí)別結(jié)果:源圖像左輪廊上輪廓0204002040數(shù)字8的識(shí)別結(jié)果:10源團(tuán)像20I111-10W0_L/1L上輪廓501

16、020802040左輪廊10200數(shù)字9的識(shí)別結(jié)果:01020902040二.結(jié)果分析由于外部原因的存在常常會(huì)出現(xiàn)字符模糊、字符傾斜等情況，從而影響識(shí)別效呆，當(dāng)字符出現(xiàn)筆畫融合、斷裂、部分缺失時(shí)，此方法更加無(wú)能為力。因此，實(shí)際應(yīng)用效呆不理想,魯棒性不強(qiáng)。參考文獻(xiàn)岡薩雷斯數(shù)字圖像處理第二版MATLAB從入門到精通.周建興2008SJ.ChapmanMATLAB編程2008MATLAB7_0基礎(chǔ)教程清華人學(xué)2005蘇金明Matlab圖形圖像2005基于MATLAB圖像處理的汽車牌照識(shí)別系統(tǒng)仇成群2008(6)許志影、李晉平.MATLAB極其在圖像處理中的應(yīng)用.計(jì)算機(jī)與現(xiàn)代化，2004一種復(fù)雜車輛圖

17、像中的多車牌定位方法，光子學(xué)報(bào)2007(1)Vol.36No.l基于圖像處理的汽車牌照的識(shí)別，陳秋菊宋建才.汽車牌照識(shí)別技術(shù)研究J.工業(yè)控制計(jì)算機(jī),2002,4:45-57.張興匯，劉玲，杜升之等.車牌照定位及傾斜校正方法研究J.系統(tǒng)工程與電子技術(shù),2004,2:237239.崔屹.數(shù)字圖像處理技術(shù)與應(yīng)用M.電子工業(yè)出版社,1997.張旭，王宏安,戴國(guó)忠等.面向車牌識(shí)別的區(qū)域分割技術(shù)卩計(jì)算機(jī)工程,2002,12:：U3215.袁志民，潘曉露等.車牌定位算法的研究卩.昆明理工學(xué)報(bào),2001,26(2):56-60.附錄源代碼主函數(shù)IO=imreadf2.jpg*)必須為二值圖像l=im2bw(I

18、OzO.4);yOx0=size(l)；Range二sum(l)；Hy=O;forj=l:yOif(Range(j)=l)Hy=Hy+l；endendRangeX=sum(r*l)；Wx=0；fori=l:x0if(RangeX(i)=l)Wx=Wx*l；endendAmp=24/Hy；%將文字圖像歸一化到24像素點(diǎn)的高度，l=imresize(lfAinp)；yx=size(l)；%l=bwmorph(1/skelfInf)；%l；tic%=基本結(jié)構(gòu)=%第一類：豎(V)：左斜%第二類：左半岡弧(C)：右半圓弧(Q)%的三類：結(jié)構(gòu)待定(T)：Left=zeros(l,y)；%左端輪嗨檢測(cè)for

19、j=li=l；while(i=x)&(l(jri)=l)i=i+l;endif(i=x)endendforj=1-1LeftD0)=Left0+l).Left(j)；end%=結(jié)構(gòu)特征提取=%j=l；while(Left(j)l)&(jY)j=M；endYl=j;j=y;while(Left(j)=l)&(l0J)=l)i=i-l;endif(i=l)RightO)=i；endendforj=1-1RightD(j)=Right(j+l)-RightO)；endTop=zeros(l,x)；%頂端輪廉檢測(cè)fori=l:xj=l；while(j=y)&(IOJ)=l)j=M；endif(j=V)

20、Top(i)=j;endendfori=l:x-lTopD(i)=Top(kl)-Top(i);endi=l；while(Top(i)l)&(ix)i=i+l;endX1M;i=x；while(Top(i)=l)&(l(j,i)=l)i=H;endifG=l)Bottom(i)=j；endendfori=l:x-lBottomD(i)=Bottom(i+l-Bottom(i)；end%=字1的寬度待征=%Width=zeros(lzy)；forj=lWidth(j)=Right(j)-Left(j)；endW=mac(Width)；Po=0；%用于檢測(cè)笙劃Ne=0；NS=O;%筆劃故fori=

21、Xl*4:X2-4forj=l-lif(l(j+UH(j)X)%由黑到白Po=Po+l；if(Po=2)&U=fix(0.7*y)Po=3;endelseif(l(j+l,i)-l(jJ)=2)&(j10)StrokeT=StrDetect01(TopD.XlzX2/3,6);%頂部垂$結(jié)構(gòu)檢測(cè)StrokeL=StrDetectf)l(LeftD,Yl,Y235);%左邊基木結(jié)構(gòu)檢測(cè)StrokeR=StrDetectO：L(RightD,Yl,Y235);%右邊基本結(jié)構(gòu)檢測(cè)StrokeB=StrDetectO：L(BottomD,Xl,X236);%底部基本結(jié)構(gòu)檢測(cè)%=識(shí)別=%Digit=Re

22、cognition(StrokeTrStrokeL5trokeR,StrokeB,Comp)elseDigit=l*endt=toc%=顯示=%px=(lc);PV=(l：y)；S=num2str(Digit)；figurefl);subplot(231)imshow(l)；tltleC源圖像Jsubplot(232)plot(Left)；gridtitleC左輪廓)；subplot(233)plot(Top)；gridtitlefI:輪廓J;subplot(234)plot(Right)；gridtitleC右輪廓)；subplot(235)plot(Width)；gridtltief寬度)

23、;subplot(236)imshow(l)；title(S)子函數(shù)一functionStrokedStrDetectOltLeftDYlPT)%ST為結(jié)構(gòu)閩值為J拆定高度和寬度結(jié)構(gòu)變化的不同SL=O;SR=O;sv=c；Count=0；%PT=5;%突變的閩值Str=7*;%T表示納溝未定.SU用于保存當(dāng)前的基本結(jié)構(gòu)Stroke=T;%用于保存基本結(jié)構(gòu)Range=Y2-Yl-l；%字符的寬度或者高度f(wàn)orj=Yl:Y2Count=Count+l；if(abs(LeftD(j)PT)if(LeftD0)=fix(Range/4)+l)%設(shè)定字符輪廊可能發(fā)生的突變范圉rf(SL=3)&(SR=3

24、)Str=C*;elseif(SV=2*(SL+SR)&(max(SL,SR)3)|(min(SL,SR)SR)&(SL=O.54SV)&(SR(SR+SV)Str=l*;elseif(SRSL)&(SR=0.54SV)&(SL(SR+SV)StrR*;elseif(max(SL,SR)=3)&(min(SL,SR)=2)StrC*;endendendendendStroke二StrokeStr；endif(j=2*Yl)&(j=fix(Range/4)+l)%發(fā)生突變后.稠余部分可能無(wú)法形成字符結(jié)構(gòu)if(SL=ST)&(SR=ST)StrC*;elseifSV=24(SL+SR)&(max(SUSR)3)|(min(SLrSR)SR)&(SL=0.54SV)&(SR=(SR+SV)StrL*；elserf(SRSL)&(SR=0.5SV)&(SL2)|(SLx(SR+SV)StrR*；elseif(1113(&15口*刃&(皿泊(55口2)Str=C*;endendendendendStroke珂StrokeStr；end子函數(shù)二functionNumeral=Recognition(StrokeTop/StrokeLeft/StrokeRight,StrokeBottom/Comp