说明书手写体数字识别系统分为：图像数据的采集，图像预处理，特征抽取，分类识别和对识别结果进行统计几部分。
首先要将提前写好的数字转换成bmp格式的图片，将其导入，并将图像进行切分，即选中几个数并将其分成一个一个的。
然后对图像进行预处理，图像预处理就是将每一个数字进行灰度化处理、二值化处理、边缘检测、膨胀等处理。
然后分别对采集到的每一个数字图像进行特征提取，特征提取选用的方法是粗网格特征提取。
识别时用的是BP神经网络算法。
神经网络的原理是不断的对数据进行学习、训练，随着学习的不断进行，误差会越来越小。
完成后把上一步提取出来的特征用神经网络去识别。
图1系统整体设计准备一张手写数字的图片，首先要将其转换成MATLAB能识别的格式。
在本程序中将图片格式设为bmp格式。
进行图像采集的方法有两种，一种是先将数字图像导入到程序中，然后切分图像，得到一个一个的数字图像。
这样做主要是为了能够更方便快捷的进行预处理工作。
另一种方式则是先把图像做预处理，然后再进行数字的切分，这样做的好处是就省去了对多个图像进行预处理的繁琐过程，本软件的设计采用的是先分割图像再预处理的方法。
手写体数字识别的预处理过程主要分为：将每一个数字进行灰度化处理、二值化处理、边缘检测、膨胀等。
首先将彩色图像进行灰度化处理，得到灰度图像。
在灰度图像中，通常用0表示黑，255表示白，从0到255亮度逐渐增加，但是并没有色彩信息。
然后进行二值化处理得到二值化图像，即黑白图像。
就是图像像素只存在0,1两个灰度。
接着对图像进行边缘检测，边缘检测的目的是找出图像中亮度发生了巨大变化的点。
边缘检测可以减少数据量，去掉一些不相关的信息，加快运算速度，提高运行速率。
图像的膨胀的目的是扩大物体的边界，可以将断裂的部分连接起来，即使书写不准确补充完可以识别出来。
预处理对于系统的设计非常重要，预处理的好坏直接影响着识别结果。
经过预处理后的图像才能进行特征的提取，因此必须提高程序的预处理能力。
