基于单片机的车牌识别系统.doc
《基于单片机的车牌识别系统.doc》由会员分享,可在线阅读,更多相关《基于单片机的车牌识别系统.doc(7页珍藏版)》请在冰点文库上搜索。
.function[d]=main(jpg)
I=imread('car.jpg');
figure
(1),imshow(I);title('原图');
I1=rgb2gray(I);%将真彩色图像转换为灰度图像
figure
(2),subplot(1,2,1),imshow(I1);title('灰度图');
figure
(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');
I2=edge(I1,'robert',0.08,'both');%高斯滤波器,方差为0.08
figure(3),imshow(I2);title('robert算子边缘检测')
se=[1;1;1];
I3=imerode(I2,se);%图像的腐蚀
figure(4),imshow(I3);title('腐蚀后图像');
se=strel('rectangle',[40,40]);%构造结构元素,以长方形构造一个se
I4=imclose(I3,se);%对图像实现闭运算,闭运算也能平滑图像的轮廓,但与开运算相反,它一般融合窄的缺口和细长的弯口,去掉小洞,填补轮廓上的缝隙。
figure(5),imshow(I4);title('平滑图像的轮廓');
I5=bwareaopen(I4,2000);%从二进制图像中移除所有少于p像素的连接的组件(对象),产生另一个二进制图像
figure(6),imshow(I5);title('从对象中移除小对象');
[y,x,z]=size(I5);%返回I5各维的尺寸,并存储在变量y、x、z中
myI=double(I5);%换成双精度数值
%begin横向扫描
tic%计算tic与toc之间程序的运行时间
Blue_y=zeros(y,1);%产生y*1的全0矩阵
fori=1:
y
forj=1:
x
if(myI(i,j,1)==1)
%如果myI(i,j,1)即myI图像中坐标为(i,j)的点为蓝色
%则Blue_y的相应行的元素white_y(i,1)值加1
Blue_y(i,1)=Blue_y(i,1)+1;%蓝色像素点统计
end
end
end
[tempMaxY]=max(Blue_y);%temp为向量white_y的元素中的最大值,MaxY为该值的索引(在向量中的位置)
PY1=MaxY;
while((Blue_y(PY1,1)>=120)&&(PY1>1))
PY1=PY1-1;
end
PY2=MaxY;
while((Blue_y(PY2,1)>=40)&&(PY2PY2=PY2+1;
end
IY=I(PY1:
PY2,:
:
);
%IY为原始图像I中截取的纵坐标在PY1:
PY2之间的部分
%end横向扫描
%begin纵向扫描
Blue_x=zeros(1,x);%进一步确定x方向的车牌区域
forj=1:
x
fori=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)&&(PX1PX1=PX1+1;
end
PX2=x;
while((Blue_x(1,PX2)<3)&&(PX2>PX1))
PX2=PX2-1;
end
%end纵向扫描
PX1=PX1-2;%对车牌区域的校正
PX2=PX2+2;
dw=I(PY1:
PY2,:
:
);
t=toc;
figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');
figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')
imwrite(dw,'dw.jpg');%将图像数据写入到图像文件中
[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');
%读取
jpg=strcat(filepath,filename);%将数组filepath,filename水平地连接成单个字符串,并保存于变量jpg中
a=imread('dw.jpg');%读取图片文件中的数据
b=rgb2gray(a);%将真彩色图像转换为灰度图像
imwrite(b,'1.车牌灰度图像.jpg');%将图像数据写入到图像文件中
figure(8);subplot(3,2,1),imshow(b),title('1.车牌灰度图像')
g_max=double(max(max(b)));%换成双精度数值
g_min=double(min(min(b)));%换成双精度数值
T=round(g_max-(g_max-g_min)/3);%T为二值化的阈值
[m,n]=size(b);%返回矩阵b的尺寸信息,并存储在m、n中。
其中m中存储的是行数,n中存储的是列数。
d=(double(b)>=T);%d:
二值图像
imwrite(d,'2.车牌二值图像.jpg');%将图像数据写入到图像文件中
figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像')
figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')
%滤波
h=fspecial('average',3);%建立预定义的滤波算子,average指定算子的类型,3为相应的参数
d=im2bw(round(filter2(h,d)));%转换为二值图像
imwrite(d,'4.均值滤波后.jpg');%将图像数据写入到图像文件中
figure(8),subplot(3,2,4),imshow(d),title('4.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膨胀
%'line'/'diamond'/'ball'...
se=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。
其中m中存储的是行数,n中存储的是列数
ifbwarea(d)/m/n>=0.365%计算二值图像中对象的总面积
d=imerode(d,se);%图像的腐蚀
elseifbwarea(d)/m/n<=0.235%计算二值图像中对象的总面积
d=imdilate(d,se);%实现膨胀操作
end
imwrite(d,'5.膨胀或腐蚀处理后.jpg');%将图像数据写入到图像文件中
figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')
%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
d=qiege(d);%切割
[m,n]=size(d);%返回矩阵b的尺寸信息,并存储在m、n中。
其中m中存储的是行数,n中存储的是列数
figure,subplot(2,1,1),imshow(d),title(n)
k1=1;k2=1;s=sum(d);j=1;
whilej~=n
whiles(j)==0
j=j+1;
end
k1=j;
whiles(j)~=0&&j<=n-1
j=j+1;
end
k2=j-1;
ifk2-k1>=round(n/6.5)
[val,num]=min(sum(d(:
[k1+5:
k2-5])));
d(:
k1+num+5)=0;%分割
end
end
%再切割
d=qiege(d);
%切割出7个字符
y1=10;y2=0.25;flag=0;word1=[];
whileflag==0
[m,n]=size(d);
left=1;wide=0;
whilesum(d(:
wide+1))~=0
wide=wide+1;
end
ifwided(:
[1:
wide])=0;
d=qiege(d);
else
temp=qiege(imcrop(d,[11widem]));
[m,n]=size(temp);
all=sum(sum(temp));
two_thirds=sum(sum(temp([round(m/3):
2*round(m/3)],:
)));
iftwo_thirds/all>y2
flag=1;word1=temp;%WORD1
end
d(:
[1:
wide])=0;d=qiege(d);
end
end
%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),imshow(word1),title('1');
figure(10),imshow(word2),title('2');
figure(11),imshow(word3),title('3');
figure(12),imshow(word4),title('4');
figure(13),imshow(word5),title('5');
figure(14),imshow(word6),title('6');
figure(15),imshow(word7),title('7');
[m,n]=size(word1);%返回矩阵b的尺寸信息,并存储在m、n中。
其中m中存储的是行数,n中存储的是列数
word1=imresize(word1,[4020]);%商用系统程序中归一化大小为40*20,此处演示
word2=imresize(word2,[4020]);%对图像做缩放处理,高40,宽20
word3=imresize(word3,[4020]);
word4=imresize(word4,[4020]);
word5=imresize(word5,[4020]);
word6=imresize(word6,[4020]);
word7=imresize(word7,[4020]);
figure(16),
subplot(3,7,8),imshow(word1),title('1');
subplot(3,7,9),imshow(word2),title('2');
subplot(3,7,10),imshow(word3),title('3');
subplot(3,7,11),imshow(word4),title('4');
subplot(3,7,12),imshow(word5),title('5');
subplot(3,7,13),imshow(word6),title('6');
subplot(3,7,14),imshow(word7),title('7');
imwrite(word1,'1.jpg');
imwrite(word2,'2.jpg');
imwrite(word3,'3.jpg');
imwrite(word4,'4.jpg');
imwrite(word5,'5.jpg');
imwrite(word6,'6.jpg');
imwrite(word7,'7.jpg');
liccode=char(['0':
'9''A':
'Z''苏豫陕鲁']);%建立自动识别字符代码表,将t'0':
'9''A':
'Z''苏豫陕鲁'多个字符串组成一个字符数组,每行对应一个字符串,字符数不足的自动补空格
SubBw2=zeros(40,20);%产生40*20的全0矩阵
l=1;
forI=1:
7
ii=int2str(I);%转换为串
t=imread([ii,'.jpg']);%读取图片文件中的数据
SegBw2=imresize(t,[4020],'nearest');%对图像做缩放处理,高40,宽20,'nearest':
这个参数,是默认的,即改变图像尺寸时采用最近邻插值算法
ifl==1%第一位汉字识别
kmin=37;
kmax=40;
elseifl==2%第二位A~Z字母识别
kmin=11;
kmax=36;
elsel>=3%第三位以后是字母或数字识别
kmin=1;
kmax=36;
end
fork2=kmin:
kmax
fname=strcat('字符模板\',liccode(k2),'.jpg');%把一个行向量转化成字符串
SamBw2=imread(fname);%读取图片文件中的数据
fori=1:
40
forj=1:
20
SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
end
end
%以上相当于两幅图相减得到第三幅图
Dmax=0;
fork1=1:
40
forl1=1:
20
if(SubBw2(k1,l1)>0|SubBw2(k1,l1)<0)
Dmax=Dmax+1;
end
end
end
Error(k2)=Dmax;
end
Error1=Error(kmin:
kmax);
MinError=min(Error1);
findc=find(Error1==MinError);
l=l+1;
end
figure(17),subplot(3,1,2),imshow(dw),title('车牌号码:
陕ABA223');
实验原理
牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等,其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。
某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。
一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
当车辆检测部分检测到车辆到达时触发图像采集单元,采集当前的视频图像。
牌照识别单元对图像进行处理,定位出牌照位置,再将牌照中的字符分割出来进行识别,然后组成牌照号码输出。