%輸入源樣本 1，2，3，4為不同字體數字
clear all
for pcolum=2
    p=ones(30,30);         %建立全為1的樣本矩陣
    m=strcat('F:\MyMATLAB\sjwl\num\',int2str(pcolum),'.jpg');
    I=imread(m);           %循環讀入0-39個樣本數字文件
    I1=im2bw(I,0.3);       %對輸入圖像進行二值化處理 采用全局閾值0.3
   [m,n]=find(I1==0);      
   rowmin=min(m);
   rowmax=max(m);
   colummin=min(n);
   colummax=max(n);
   I2=I1(rowmin:rowmax,colummin:colummax);  %截取是入圖像中的數字部分
   rate=30/max(size(I2)); 
   I3=imresize(I2,rate);  %對輸入文件變尺寸處理

   [i,j]=size(I3);
   row=round((30-i)/2);
   colum=round((30-j)/2);
   I4(row+1:row+i,colum+1:colum+j)=I3;  %建立起30*30的矩陣
   I5=-1*              %反色處理

  for hh=1:30
   p((hh-1)*30+1:(hh-1)*30+30,Pcolum+1)=I5(hh,1:30);
  end                      %將處理的源樣本輸入供神經網絡訓練的樣本   pcolum是樣本數循環變量

  switch Pcolum
    case {0,10,20,30}
        t(Pcolum+1)=0    %數字0
    case{1,11,21,31}
        t(Pcolum+1)=1    %數字1
    case{2,12,22,32}
        t(Pcolum+1)=2    %數字2
    case{3,13,23,33}
        t(Pcolum+1)=3    %數字3
    case{4,14,24,34}
        t(Pcolum+1)=4    %數字4
    case{5,15,25,35}
        t(Pcolum+1)=5    %數字5
    case{6,16,26,36}
        t(Pcolum+1)=6    %數字6
    case{7,17,27,37}
        t(Pcolum+1)=7    %數字7
    case{8,18,28,38}
        t(Pcolum+1)=8    %數字8
    case{9,19,29,39}
        t(Pcolum+1)=1    %數字9
  end                    %建立與訓練樣本對應的輸出值t
end