《基于matlab的车牌识别(含子程序)讲义》由会员分享，可在线阅读，更多相关《基于matlab的车牌识别(含子程序)讲义（23页珍藏版）》请在金锄头文库上搜索。
1、基于matlab的车牌识别系统一、对车辆图像进行预处理1.载入车牌图像：function d=main(jpg)filename, pathname = uigetfile(*.jpg, JPEG 文件(*.jpg);if(filename = 0), return, endglobal FILENAME %定义全局变量FILENAME = pathname filename;I=imread(FILENAME);figure(1),imshow(I);title(原图像);%将车牌的原图显示出来结果如下：2.将彩图转换为灰度图并绘制直方图：I1=rgb2gray(I);%将彩图转换为灰度图f
2、igure(2),subplot(1,2,1),imshow(I1);title(灰度图像);figure(2),subplot(1,2,2),imhist(I1);title(灰度图直方图);%绘制灰度图的直方图结果如下所示：3. 用roberts算子进行边缘检测：I2=edge(I1,roberts,0.18,both);%选择阈值0.18，用roberts算子进行边缘检测figure(3),imshow(I2);title(roberts 算子边缘检测图像);结果如下：4.图像实施腐蚀操作：se=1;1;1;I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figu
3、re(4),imshow(I3);title(腐蚀后图像);5.平滑图像se=strel(rectangle,25,25);%构造结构元素以正方形构造一个seI4=imclose(I3,se);% 图像聚类、填充图像figure(5),imshow(I4);title(平滑图像);结果如下所示：6. 删除二值图像的小对象I5=bwareaopen(I4,2000);% 去除聚团灰度值小于2000的部分figure(6),imshow(I5);title(从对象中移除小的对象);结果如下所示 ：二、车牌定位y,x,z=size(I5);%返回I5各维的尺寸，存储在x,y,z中myI=double
4、(I5);%将I5转换成双精度tic %tic表示计时的开始，toc表示计时的结束 Blue_y=zeros(y,1);%产生一个y*1的零阵 for i=1:y for j=1:x if(myI(i,j,1)=1) %如果myI(i,j,1)即myI的图像中坐标为(i,j)的点值为1，即该点为车牌背景颜色蓝色 %则Blue_y(i,1)的值加1 Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end end temp MaxY=max(Blue_y);%Y方向车牌区域确定 %temp为向量white_y的元素中的最大值，MaxY为该值的索引 PY1=MaxY;
5、 while (Blue_y(PY1,1)=5)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); %x方向车牌区域确定 % X方向 % Blue_x=zeros(1,x);%进一步确定x方向的车牌区域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)=1) Blue_x(1,j)= Blue_x(1,j)+1; end end end PX1=1; while (Blue_x(1,PX1)3)&(PX1x) PX1=PX1+
6、1; end PX2=x; while (Blue_x(1,PX2)PX1) PX2=PX2-1; end PX1=PX1-1;%对车牌区域的校正 PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title(行方向合理区域);%行方向车牌区域确定 figure(7),subplot(1,2,2),imshow(dw),title(定位裁剪后的车牌彩色图像);的车牌区域如下所示：三、字符分割及处理1.车牌的进一步处理对分割出的彩色车牌图像进行灰度转换、二值化、均值滤波、腐蚀膨胀以及字
7、符分割以从车牌图像中分离出组成车牌号码的单个字符图像，对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。代码如下：imwrite(dw,彩色车牌.jpg);%将彩色车牌写入彩色车牌文件中a=imread(彩色车牌.jpg);%读取车牌文件中的数据b=rgb2gray(a);%将车牌图像转换为灰度图imwrite(b,车牌灰度图像.jpg);%将灰度图像写入文件中 figure(8);subplot(3,2,1),imshow(b),title(车牌灰度图像)g_max=double(max(max(b);g_min=double(mi
8、n(min(b);T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值m,n=size(b);d=(double(b)=T); % d:二值图像imwrite(d,均值滤波前.jpg); subplot(3,2,2),imshow(d),title(均值滤波前)%均值滤波前% 滤波h=fspecial(average,3);%建立预定义的滤波算子，average为均值滤波，模板的尺寸为3*3d=im2bw(round(filter2(h,d);%使用指定的滤波器h对h进行d即均值滤波imwrite(d,均值滤波后.jpg); subplot(3,2,3),im
9、show(d),title(均值滤波后)% 某些图像进行操作% 膨胀或腐蚀% se=strel(square,3); % 使用一个3X3的正方形结果元素对象对创建的图像进行膨胀% line/diamond/ball.se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵m,n=size(d);%返回矩阵b的尺寸信息， 并存储在m,n中if bwarea(d)/m/n=0.365 %计算二值图像中对象的总面积与整个面积的比是否大于0.365 d=imerode(d,se);%如果大于0.365则图像进行腐蚀elseif bwarea
10、(d)/m/n=0.235 %计算二值图像中对象的总面积与整个面积的比是否小于0.235 d=imdilate(d,se);%如果小于则实现膨胀操作endimwrite(d,膨胀或腐蚀处理后.jpg); subplot(3,2,4),imshow(d),title(膨胀或腐蚀处理后);运行结果如下所示：2.字符分割在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割
11、。一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。% 寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割%首先创建子函数qiege与getword，而后调用子程序，将车牌的字符分割开并且进行归一化处理d=qiege(d);m,n=size(d); % subplot(3,2,5),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;while j=n while s(j)=0 j=j+1; end k1=j; whi
12、le s(j)=0 & j=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endend% 再切割d=qiege(d);% 切割出 7 个字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; end if widey2 flag=1;word1=temp; end d(:,1:wide)=0;d=qiege(d); endend% 分割出第二个字符word2,d=getword(d);% 分割出第三个字符word3,d=getword(d);% 分割出第四个字符word4,d=getword(d);% 分割出第五个字符word5,d=getword(d);% 分割出第六个字符word6,d=getword(d);% 分割出第七个字符word7,d=getword(d);figure(9);subplot(2,7,1),imshow(word1),title(1);subplot(2,7,2),imshow(word2),title(2);subplot(2,7
