《车牌识别的matlab程序》由会员分享，可在线阅读，更多相关《车牌识别的matlab程序（10页珍藏版）》请在金锄头文库上搜索。
1、精选优质文档-倾情为你奉上附录车牌识别程序clear ;close all;%Step1 获取图像 装入待处理彩色图像并显示原始图像Scolor = imread（3.jpg）;%imread函数读取图像文件%将彩色图像转换为黑白并显示Sgray = rgb2gray（Scolor）;%rgb2gray转换成灰度图figure,imshow（Scolor）,title（原始彩色图像）;%figure命令同时显示两幅图figure,imshow（Sgray）,title（原始黑白图像）;%Step2 图像预处理 对Sgray 原始黑白图像进行开操作得到图像背景s=strel（disk,13）;%
2、strel函数Bgray=imopen（Sgray,s）;%打开sgray s图像figure,imshow（Bgray）;title（背景图像）;%输出背景图像%用原始图像与背景图像作减法，增强图像Egray=imsubtract（Sgray,Bgray）;%两幅图相减figure,imshow（Egray）;title（增强黑白图像）;%输出黑白图像%Step3 取得最佳阈值，将图像二值化fmax1=double（max（max（Egray）;%egray的最大值并输出双精度型fmin1=double（min（min（Egray）;%egray的最小值并输出双精度型level=（fmax1
3、-（fmax1-fmin1）/3）/255;%获得最佳阈值bw22=im2bw（Egray,level）;%转换图像为二进制图像bw2=double（bw22）;%Step4 对得到二值图像作开闭操作进行滤波figure,imshow（bw2）;title（图像二值化）;%得到二值图像grd=edge（bw2,canny）%用canny算子识别强度图像中的边界figure,imshow（grd）;title（图像边缘提取）;%输出图像边缘bg1=imclose（grd,strel（rectangle,5,19）;%取矩形框的闭运算figure,imshow（bg1）;title（图像闭运算5,
4、19）;%输出闭运算的图像bg3=imopen（bg1,strel（rectangle,5,19）;%取矩形框的开运算figure,imshow（bg3）;title（图像开运算5,19）;%输出开运算的图像bg2=imopen（bg3,strel（rectangle,19,1）;%取矩形框的开运算figure,imshow（bg2）;title（图像开运算19,1）;%输出开运算的图像%Step5 对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌区域L,num = bwlabel（bg2,8）;%标注二进制图像中已连接的部分Feastats = imfeature（
5、L,basic）;%计算图像区域的特征尺寸Area=Feastats.Area;%区域面积BoundingBox=Feastats.BoundingBox;%x y width height车牌框架大小RGB = label2rgb（L, spring, k, shuffle）; %标志图像向RGB图像转换figure,imshow（RGB）;title（图像彩色标记）;%输出框架的彩色图像lx=0;for l=1:num width=BoundingBox（l-1）*4+3）;%框架宽度的计算 hight=BoundingBox（l-1）*4+4）;%框架高度的计算 if （width98
6、& width25 & hight2 & rato4 break; endendsbw1=bw2（startrow:startrow+hight,startcol:startcol+width-1）; %获取车牌二值子图subcol1=Sgray（startrow:startrow+hight,startcol:startcol+width-1）;%获取车牌灰度子图figure,subplot（2,1,1）,imshow（subcol1）;title（车牌灰度子图）;%输出灰度图subplot（2,1,2）,imshow（sbw1）;title（车牌二值子图）;%输出车牌的二值图%Step6
7、计算车牌水平投影，并对水平投影进行峰谷分析histcol1=sum（sbw1）; %计算垂直投影histrow=sum（sbw1）; %计算水平投影figure,subplot（2,1,1）,bar（histcol1）;title（垂直投影（含边框）;%输出垂直投影subplot（2,1,2）,bar（histrow）; title（水平投影（含边框）;%输出水平投影figure,subplot（2,1,1）,bar（histrow）; title（水平投影（含边框）;%输出水平投影subplot（2,1,2）,imshow（sbw1）;title（车牌二值子图）;%输出二值图%对水平投影进行
8、峰谷分析meanrow=mean（histrow）;%求水平投影的平均值minrow=min（histrow）;%求水平投影的最小值levelrow=（meanrow+minrow）/2;%求水平投影的平均值count1=0;l=1;for k=1:hight if histrow（k）=1 markrow（l）=k;%上升点 markrow1（l）=count1;%谷宽度（下降点至下一个上升点） l=l+1; end count1=0; endendmarkrow2=diff（markrow）;%峰距离（上升点至下一个上升点）m1,n1=size（markrow2）;n1=n1+1;mark
9、row（l）=hight;markrow1（l）=count1;markrow2（n1）=markrow（l）-markrow（l-1）;l=0;for k=1:n1 markrow3（k）=markrow（k+1）-markrow1（k+1）;%下降点 markrow4（k）=markrow3（k）-markrow（k）;%峰宽度（上升点至下降点） markrow5（k）=markrow3（k）-double（uint16（markrow4（k）/2）;%峰中心位置end %Step7 计算车牌旋转角度%（1）在上升点至下降点找第一个为1的点m2,n2=size（sbw1）;%sbw1的图像
10、大小m1,n1=size（markrow4）;%markrow4的大小maxw=max（markrow4）;%最大宽度为字符if markrow4（1） = maxw%检测上边 ysite=1; k1=1; for l=1:n2 for k=1:markrow3（ysite）%从顶边至第一个峰下降点扫描 if sbw1（k,l）=1 xdata（k1）=l; ydata（k1）=k; k1=k1+1; break; end end endelse %检测下边 ysite=n1; if markrow4（n1） =0 if markrow4（n1-1） =maxw ysite= 0; %无下边
11、else ysite= n1-1; end end if ysite =0 k1=1; for l=1:n2 k=m2; while k=markrow（ysite） %从底边至最后一个峰的上升点扫描 if sbw1（k,l）=1 xdata（k1）=l; ydata（k1）=k; k1=k1+1; break; end k=k-1; end end endend %（2）线性拟合，计算与x夹角fresult = fit（xdata,ydata,poly1）; %poly1 Y = p1*x+p2p1=fresult.p1;angle=atan（fresult.p1）*180/pi; %弧度换
12、为度，360/2pi, pi=3.14%（3）旋转车牌图象subcol = imrotate（subcol1,angle,bilinear,crop）; %旋转车牌图象sbw = imrotate（sbw1,angle,bilinear,crop）;%旋转图像figure,subplot（2,1,1）,imshow（subcol）;title（车牌灰度子图）;%输出车牌旋转后的灰度图像标题显示车牌灰度子图subplot（2,1,2）,imshow（sbw）;title（）;%输出车牌旋转后的灰度图像title（车牌旋转角: ,num2str（angle）,度 ,Color,r）;%显示车牌的旋转角度%Step8 旋转车牌后重新计算车牌水平投影，去掉车牌水平边框，获取字符高度histcol1=sum（sbw）; %计算垂直投影histrow=sum（sbw）; %计算水平投影figure,sub
