基于matlab车牌的定位与分割识别程序概要Word格式文档下载.docx
《基于matlab车牌的定位与分割识别程序概要Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《基于matlab车牌的定位与分割识别程序概要Word格式文档下载.docx（11页珍藏版）》请在冰点文库上搜索。
I5=bwareaopen（I4,2000）;
%去除聚团灰度值小于2000的部分
subplot（3,2,6）,imshow（I5）,title（'
形态滤波后图像'
[y,x,z]=size（I5）;
I6=double（I5）;
Y1=zeros（y,1）;
for
i=1:
y
j=1:
x
if（I6（i,j,1）==1）
Y1（i,1）=
Y1（i,1）+1;
end
[temp
MaxY]=max（Y1）;
subplot（3,2,1）,plot（0:
y-1,Y1）,title（'
行方向像素点灰度值累计和'
）,
xlabel（'
行值'
）,ylabel（'
像素'
%求的车牌的行起始位置和终止位置
PY1=MaxY;
while
（（Y1（PY1,1）>
=50）&
&
（PY1>
1））
PY1=PY1-1;
PY2=MaxY;
（（Y1（PY2,1）>
（PY2<
y））
PY2=PY2+1;
IY=I（PY1:
PY2,:
:
X1=zeros（1,x）;
i=PY1:
PY2
X1（1,j）=
X1（1,j）+1;
endend
subplot（3,2,2）,plot（0:
x-1,X1）,title（'
列方向像素点灰度值累计和'
列值'
像数'
%求的车牌的列起始位置和终止位置PX1=1;
（（X1（1,PX1）<
3）&
（PX1<
x））
PX1=PX1+1;
PX2=x;
（（X1（1,PX2）<
（PX2>
PX1））
PX2=PX2-1;
PX1=PX1-1;
PX2=PX2+1;
%分割出车牌图像%
dw=I（PY1:
PY2,PX1:
PX2,:
subplot（3,2,3）,imshow（dw）,title（'
定位剪切后的彩色车牌图像'
）
4.2
车牌字符分割
确定车牌位置后下一步的任务就是进行字符切分分离出车牌号
码的全部字符图像。
if
isrgb（I）
I1
=
rgb2gray（I）;
%将RGB图像转化为灰度图像
elseI1=I；
end
g_max=double（max（max（I1）））;
g_min=double（min（min（I1）））;
T=round（g_max-（g_max-g_min）/3）;
%
T
为二值化的阈值
[m,n]=size（I1）;
d:
二值图像
%h=graythresh（I1）;
I1=im2bw（I1,T/256）;
subplot（3,2,4）;
imshow（I1）,title（'
二值化车牌图像'
I2=bwareaopen（I1,20）;
subplot（3,2,5）;
imshow（I2）,title（'
形态学滤波后的二值化图像'
[y1,x1,z1]=size（I2）;
I3=double（I2）;
TT=1;
%%%%%%%去除图像顶端和底端的不感兴趣区域%%%%%
Y1=zeros（y1,1）;
y1
x1
if（I3（i,j,1）==1）
Y1（i,1）+1
;
Py1=1;
Py0=1;
（（Y1（Py0,1）<
20）&
（Py0<
y1））
Py0=Py0+1;
Py1=Py0;
while（（Y1（Py1,1）>
=20）&
（Py1<
Py1=Py1+1;
I2=I2（Py0:
Py1,:
subplot（3,2,6）;
目标车牌区域'
分割字符按行积累量%
X1=zeros（1,x1）;
figure（5）;
plot（0:
x1-1,X1）,title（'
）,xlabel（'
ylabel（'
累计像素量'
Px0=1;
Px1=1;
%分割字符
7
（（X1（1,Px0）<
（Px0<
x1））
Px0=Px0+1;
Px1=Px0;
（（（X1（1,Px1）>
=3）&
（Px1<
x1））||（（Px1-Px0）<
10））
Px1=Px1+1;
Z=I2（:
Px0:
Px1,:
switch
strcat（'
Z'
num2str（i））
case
'
Z1'
PIN0=Z;
Z2'
PIN1=Z;
Z3'
PIN2=Z;
Z4'
PIN3=Z;
Z5'
PIN4=Z;
Z6'
PIN5=Z;
otherwise
PIN6=Z;
figure（3）;
subplot（1,7,i）;
imshow（Z）;
Px0=Px1;
End
functioninpt=
pretreatment（I）
%YUCHULI
Summary
of
this
function
goes
here
%Detailed
explanation
else
I1=I;
I1=imresize（I1,[50
20]）;
%将图片统一划为50*20大小
I1=im2bw（I1,0.9）;
inpt=zeros（1,m*n）;
%将图像按列转换成一个行向量
n
m
inpt（1,m*（j-1）+i）=I1（i,j）;
%神经网络进行识别。
close
all;
clear
%%%%归一化训练样本%%%%%%
I0=pretreatment（imread（'
0.jpg'
））;
I1=pretreatment（imread（'
1.jpg'
I2=pretreatment（imread（'
2.jpg'
I3=pretreatment（imread（'
3.jpg'
I4=pretreatment（imread（'
4.jpg'
I5=pretreatment（imread（'
5.jpg'
I6=pretreatment（imread（'
6.jpg'
I7=pretreatment（imread（'
7.jpg'
I8=pretreatment（imread（'
8.jpg'
I9=pretreatment（imread（'
9.jpg'
I10=pretreatment（imread（'
A.jpg'
I11=pretreatment（imread（'
C.jpg'
I12=pretreatment（imread（'
G.jpg'
I13=pretreatment（imread（'
L.jpg'
I14=pretreatment（imread（'
M.jpg'
I15=pretreatment（imread（'
R.jpg'
I16=pretreatment（imread（'
H.jpg'
I17=pretreatment（imread（'
N.jpg'
P=[I0'
I1'
I2'
I3'
I4'
I5'
I6'
I7'
I8'
I9'
I10'
I11'
I12'
I13'
I14'
I15'
I16'
I1
7'
];
%输出样本%%%
T=eye（18,18）;
%%bp神经网络参数设置
net=newff（minmax（P）,[1000,32,18],{'
logsig'
'
},'
trainrp
net.inputWeights{1,1}.initFcn
='
randnr'
net.layerWeights{2,1}.initFcn
net.trainparam.epochs=5000;
net.trainparam.show=50;
%net.trainparam.lr=0.003;
net.trainparam.goal=0.0000000001;
net=init（net）;
%%%训练样本%%%%
[net,tr]=train（net,P,T）;
%%%%%%%测试%%%%%%%%%
%I=imread（'
DSC01323.jpg'
DSC01344.jpg'
dw=location（I）;
%车牌定位
[PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6]=StringSplit（dw）;
%字符
分割及处理
%%%%%%%%%%%测试字符，得到识别数值%%%%
PIN0=pretreatment（PIN0）;
PIN1=pretreatment（PIN1）;
PIN2=pretreatment（PIN2）;
PIN3=pretreatment（PIN3）;
PIN4=pretreatment（PIN4）;
PIN5=pretreatment（PIN5）;
PIN6=pretreatment（PIN6）;
P0=[PIN0'
PIN1'
PIN2'
PIN3'
PIN4'
PIN5'
PIN6'
i=2:
T0=
sim（net
P0（:
i））;
T1
compet
（T0）
d
=find（T1
==
1）
-
1
（d==10）
str='
A'
elseif
（d==11）
C'
（d==12）
G'
（d==13）
L'
（d==14）
M'
（d==15）
R'
（d==16）
H'
（d==17）
N'
str=num2str（d）;
i
2
str1=str;
3
str2=str;
4
str3=str;
5
str4=str;
6
str5=str;
str6=str;
%显示定位后的分割出的车牌彩图，%
%%%%%%识别结果以标题形式显示在图上%%%
s=strcat（'
渝'
str1,str2,str3,str4,str5,str6）;
imshow（dw）,title（s）;
非诚勿扰欢迎下载
升级会员 