在前面几节讲过一些简单的深度神经网络分类器，由于CNNs（卷积神经网络）程序出来的识别率有一些问题需要，所以暂时还没有更新这一部分。这节我想介绍下利用MATLAB的GUI设计一个图形化界面的NMIST识别系统。界面其实很简单，如下所示：
下面我就将一步一步介绍如何做这个界面。
第一步：打开MATLAB→File→New→GUI，然后就会出现如下图示。
然后点击Blank GUI(Default),这是就创建了一个空白的untitled.fig,你可以把它保存在你想存的目录下面。
第二步：这是就需要添加一些控件，如下图所示。
设置了这几个控件，你可以双击某一个控件改变它的名字，字体大小，以及Tag。好了这时控件创建完了，对应的打开图片的控件，你可以把Tag改为OpenImages.然后点右键中的Editor.这样你就进入GUI的函数里面，可以添加下面的代码，可以让你在windows下面打开你待识别的图片。
<span style="background-color: rgb(255, 255, 255);"></span><pre name="code" class="plain">function OpenImages_Callback(hObject, eventdata, handles)
[filename,pathname]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'载入图像');
if isequal(filename,0)|isequal(pathname,0)
errordlg('没有选中文件','出错');
return;
else
file=[pathname,filename];
global S %设置一个全局变量S，保存初始图像路径，以便之后的还原操作
S=file;
x=imread(file);
set(handles.axes1,'HandleVisibility','ON');
axes(handles.axes1);
imshow(x);
handles.img=x;
guidata(hObject,handles);
end
其实上面的代码非常固定了，所以直接copy就行了。
第三步：添加axes1控件，其Tag就为axes1，上图已经给出，它可以显示打开的图片。
<span style="font-family:Times New Roman;">set(handles.axes1,'HandleVisibility','ON'); axes(handles.axes1);</span>
上面控件OpenImages函数中的代码添加上面两行代码就表示打开的图片在axes1中显示。
第四步：设计一个Edit控件，但是不需要添加任何代码，它只是显示识别结果框，点击右键Editor。最主要的是开始识别的这个控件，把Tag改为Regconition。点击右键Editor。添加代码如下：
<span style="font-family:Times New Roman;">function Regconition_Callback(hObject, eventdata, handles)
% hObject handle to Regconition (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global T
numClasses=10;
hiddenSize=200;
inputSize=28*28;
hiddenSize1=100;
T=getimage;
handles.img=im2double(handles.img);
images=reshape(handles.img,784,1);
load('result2.mat');
trainFeatures = feedForwardAutoencoder(opttheta, hiddenSize, inputSize, ...
images);
testFeatures1 = feedForwardAutoencoder(opttheta1, hiddenSize1, hiddenSize, ...
trainFeatures);
inputDatatest = testFeatures1;
[nop,pred]=max(theta_new*inputDatatest);
set(handles.edit1,'String',num2str(pred));
set(handles.edit1,'ForegroundColor','red');
set(handles.edit1,'FontSize',28);</span>
上面用的是原来训练好的网络参数，所以看着非常简单，reslut2.mat可以见资源，并给出两张识别图例。
第五步：做完上面4步，就是编译了，如下图示。
这样你可以打开你想识别的图片，然后点击开始识别，在Edit Text中显示识别的数字，如第一张图所示。
好了，这样一个简单的GUI识别系统就做完，其他识别系统以此类推。