《基于matlab的车牌识别(含子程序)》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)（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：functiond=main(jpg)文件(*.jpg);filename,pathname=uigetfile(*.jpg,JPEGif(filename=0),return,endglobalFILENAME%定义全局变量FILENAME=pathnamefilename;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：JFileEdit!iewInsertToolsUesktopWindowHelp口田口膏4&0争相3原图像2 .将彩
2、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figure(2),subplot(1,2,1),imshow(I1);title(figure(2),subplot(1,2,2),imhist(I1);title(灰度图像)；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：Figure34.图像实施腐蚀操作：se=1
3、;1;1;I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figure(4),imshow(I3);title(腐蚀后图像);5.平滑图像sese=strel(rectangle,25,25);%构造结构元素以正方形构造一个I4=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：JFigure6l.
4、I七|f5=5)&(PY11)PY1=PY1-1;endPY2=MaxY;while(Blue_y(PY2,1)=5)&(PY2y)PY2=PY2+1;endIY=I(PY1:PY2,:,:);%x方向车牌区域确定%wn%Blue_x=zeros(1,x);%进一步确定x方向的车牌区域forj=1:xfori=PY1:PY2if(myI(i,j,1)=1)Blue_x(1,j尸Blue_x(1,j)+1;endendendPX1=1;while(Blue_x(1,PX1)3)&(PX1x)PX1=PX1+1;endPX2=x;while(Blue_x(1,PX2)PX1)PX2=PX2-1;e
5、ndPX1=PX1-1;%对车牌区域的校正PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;Rgure(7),subplot(1,2,1),imshow(IY),title(行方向合理区域);行方向车牌区域确士7ERgure(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：Figure7思回区EileEditMiewInsertTooleQieEktopWindowHelp旨H昌4要口目一E行方向合理区域定位裁剪后的车牌彩色图像KA906L4三、字符分割及处理i.车牌的进一步处理对分割出的彩
6、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
7、(max(max(b);g_min=double(min(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)%匀值滤波前%滤波h=fspecial(average,3);%!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进彳dd即均值滤波imwrite(d,均值滤波后.jp
8、g);subplot(3,2,3),imshow(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/ballse=eye(2);%eye(n)returnsthen-by-nidentitymatrix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ifbwarea(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0.365d=imerode(d,se);%如果大于0.365则图像进行腐蚀elseifbwarea
9、(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0.235d=imdilate(d,se);%如果小于则实现膨胀操作endimwrite(d,膨胀或腐t处理后.jpg);膨胀或腐蚀处理后);subplot(3,2,4),imshow(d),title(运行结果如下所示:Figure8匚叵|区EileEditYiewInsertToolsttesktopBtindowHelp口百口号Q殴门夏0BH车牌灰度图像感的I加均值滤波后BtdiNIU220均值滤波前幡献相膨胀或腐蚀处理后niw2.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
10、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。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%T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
11、);%subplot(3,2,5),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;whilej=nwhiles(j)=0j=j+1；endk1=j；whiles(j)=0&j=round(n/6.5)val,num=min(sum(d(:,k1+5:k2-5);d(:,k1+num+5)=0;%分害Uendend%再切割d=qiege(d);%切割出7个字符y1=10;y2=0.25;flag=0;word1=;whileflag=0m,n=size(d);left=1;wide=0;whilesum(d(:,wide+1)=0wide=wide+1;end
12、ifwidey2flag=1;word1=temp;endd(:,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(T);subplot(2,7,2),imshow(word2),title(2);subplot(2,7,3),imshow(word3),title
