面对这种窘况，滤波器就有了用武之地。简而言之，滤波器就相当于一个目的将输入信号进行离散的计算程序，且转换为计算机可以识别的数字序列，并对这些数字序列进行转换和滤除，得到想要的信号这一实际过程。科学来说，就是对信号进行滤波。在实际应用操作中，不妨将数字滤波理解为对信号运算处理的一种计算过程。随着科技的飞速发展，目前数字滤波器也是越来越被工程师们所依赖，这是因为数字滤波器与模拟滤波器相比，其精度、灵活、稳定性、阻抗匹配等特性都要比模拟滤波器优异许多。其实数字滤波器其本质意义就是一个数字计算过程，不过有特别的运算对象罢了，其原理可参考计算机的工作原理。过程当中，我们意图对离散系统进行描绘，其中只需要描绘其输入与输出关系，而数字信号滤波器的运算规则，也由其卷积和差分方程贡献出，这类似一场游戏，在这场游戏中，需遵守这个规则。

时域离散系统的频域特性： 

 是数字滤波器的输出序列的频域特性， 是输入序列的频域特性。其中，频域特性又被称之为频谱特性。 为频谱，是数字滤波器的单位取样所响应的，其亦可被称作数字滤波器的频域响应。 通过滤波后转换为 。从这个过程中，不难看出数字滤波器的主要工作道理，就是根据两点方针，挑选出适配的 ，并滤波后的 ，能够达到预期的期望，仅此而已。这两点方针即输入信号频谱的特点和处理信号的目标。

2.1.3 细化处理

细化处理在字符识别过程中的预处理占据至关重要的地位，颇受重视。这是因为细化处理，就是将二值化字符点阵逐层逐层地剥去轮廓上的小点，使之浓缩精简为笔画宽度仅剩一个像素宽度的字符骨架图案。细化处理之所以很重要，主要原因是在二值化的矩阵图形中，特征提取信息主要集中在数字的轮廓上，细化后的数字既保留了原有的轮廓特征，有使字符点阵数量减少，这样大大降低了计算机处理时间。

2.2 特征提取技术

因为我们都知道模式识别是利用事物的特征来进行不同种类的划分，所以这时候我们急需一种决定性的要点，那就是特征提取技术。特征提取就是一个将N维甚至N*N维的模式类别空间改变，去到维数小得多的M维特征空间的过程。难点在于转换过程中，很容易丢失模式中的许多信息，所以需要小心谨慎的操作。成功处理后，我们可以大幅度的降低计算机的复杂度，因为模式分类得以在维数低很多的空间内进行。不仅如此，在通过对训练样本的特征提取后，我们发现分类函数的描述会更加的精确，这个进步使其形成更加可靠的分类规则。 

当系统进行手写体数字的识别时，通过对字符进行特征值的提取，则这样能够减少字符中的信息量，并且可减少一些字符的多余信息，这样便可使系统得识别误差减小，这个技术在字符识别中占据举足轻重的作用。在对手写体数字进行判断时，比较经常运用的技术是通过结构特征和统计特征进行提取技术。来.自>优:尔论`文/网www.youerw.com

首先来简述结构特征的特点，采取此技术以可对字符的结构进行描述，每个人在写字符的时候其字体和形状都会千奇百态，可是字体的大致轮廓和结构却是相类似的，基于此特征，则可以对手写体字符进行特征提取；统计特征区别于结构特征，在噪声比较大的情况下，采用统计特征提取字符是相对比较容易的，因为统计特征可以避开由于噪声产生的识别错误，所以当数字或字符的背景中参有较多的噪声时，采用统计特征对字符或者数字进行提取是最佳的方案。