在MATLAB中编写文字识别程序，通常涉及以下步骤：
图像预处理：
包括图像去噪、二值化、字符分割等。
特征提取：
从预处理后的图像中提取有助于识别的特征。
分类器设计：
选择合适的分类算法，如贝叶斯分类器、支持向量机（SVM）、神经网络等。
模型训练与测试：
使用训练数据集训练模型，并在测试数据集上评估模型性能。
```matlab
% 加载汉字特征
load templet； % 假设已经有一个包含汉字特征的文件
A = imp； % 得到待识别图片
A = imread（'C:\Users\Administrator\Desktop\BayesBinaryHandwritingRecognition_BC_20190220-master\贝叶斯手写汉字识别\样本集\昆1.bmp'）； % 读取图片
figure（1）, subplot（121）, imshow（A）, title（'待识别的汉字：'）； % 显示图片
% 创建特征向量
B = zeros（1, 100）； % 创建1行100列的特征向量，实际应用中特征向量的维度和结构可能有所不同
[row, col] = size（A）；
% 这里可以添加更多的特征提取代码，例如边缘检测、笔画方向分析等
% 使用贝叶斯分类器进行识别
% 假设已经训练好了一个贝叶斯分类器
% classify（classifier, features）
% 其中classifier是训练好的分类器，features是特征向量
% 识别结果
result = classify（classifier, B）；
disp（result）；
```
请注意，这只是一个简单的示例，实际的文字识别程序可能需要更复杂的图像处理和特征提取步骤，以及更精细的分类器训练和调优过程。此外，对于不同的应用场景和数据集，可能需要选择不同的特征提取方法和分类算法。