完整版数字图像处理车牌识别课程设计matlab实现附源代码Word文档格式.docx
《完整版数字图像处理车牌识别课程设计matlab实现附源代码Word文档格式.docx》由会员分享，可在线阅读，更多相关《完整版数字图像处理车牌识别课程设计matlab实现附源代码Word文档格式.docx（22页珍藏版）》请在冰点文库上搜索。
扫描仪工作时，首先由可移动带状光源将光线照在欲输入的图稿上，并沿y方向扫描稿
件，产生表示图像特征的反射光或透射光。
照射到原稿上的光线经反射后穿过一个很窄的缝
隙，形成沿x方向的光带，经光学系统采集和过滤成RGB三色光带分别照射到RGB分量
的CCD上，CCD将光信号转换为模拟电信号。
内部电路的A/D变换器将模拟电信号转变
为数字电子信号输送给计算机。
将稿件全部扫描一遍，一幅完整的图像就输入到计算机中去
了。
（2）字符图像预处理
根据扫描仪扫描的文档实际情况，有选择地用MATLAB编程实现字符图像倾斜校正、
滤波、灰度化、二值化和归一化等图像预处理。
根据具体需要，还可进行图像的正交变换、
边缘提取、形态学和图像细化等操作。
（3）字符图像分割
通过查找资料，自学字符图像分割的常用算法，根据原始扫描图像的实际情况，设计一
车辆
种字符图像分割的方法并用MATLAB编程实现，并绘制流程图。
字符分割
字符识别
输出车牌号码
车牌的定位
1流程图
4）函数的作用
1.Imerode
功能：
对图像实现腐蚀操作，即膨胀操作的反操作。
用法：
IM2=imerode（IM,SE）
IM2=imerode（IM,NHOOD）
IM2=imerode（IM,SE,PACKOPT,M）
IM2=imerode（...,PADOPT）
IM2=imerode（IM,SE）腐蚀灰度，二值，压缩二值图像IM，返回IM2。
参数SE为由strel
函数返回的结构元素或者结构元素对象组。
IM2=imerode（IM,NHOOD）腐蚀图像IM，这里NHOOD是定义结构元素邻域0和1的矩阵。
IM2=imerode（...,PADOPT）指出输出图像的大小（是否与输入图像大小一致）。
2.imdilate
功能：
对图像实现膨胀操作。
IM2=imdilate（IM,SE）
IM2=imdilate（IM,NHOOD）
IM2=imdilate（IM,SE,PACKOPT）
IM2=imdilate（...,PADOPT）
IM2=imdilate（IM,SE）膨胀灰度，二值，压缩二值图像IM，返回IM2。
IM2=imdilate（IM,NHOOD）膨胀图像IM，这里NHOOD是定义结构元素邻域0和1的矩阵。
IM2=imdilate（IM,SE,PACKOPT）定义IM是否是一个压缩的二值图像。
IM2=imdilate（...,PADOPT）指出输出图像的大小。
3.strel
用于膨胀腐蚀及开闭运算等操作的结构元素对象（本论坛随即对膨胀腐蚀等操作进行
讲解）。
用法：
SE=strel（shape,parameters）
创建由指定形状shape对应的结构元素。
其中shape的种类有
‘arbitrary'
，'
pair'
diamond'
periodicline'
disk'
rectangle'
'
line'
square'
octagon
参数parameters一般控制SE的大小。
4.edge
BW=edge（I）
采用灰度或一个二值化图像I作为它的输入，并返回一个与I相同大小的二值化图像BW，
在函数检测到边缘的地方为1，其他地方为0。
BW=edge（I,'
sobel'
）自动选择阈值用Sobel算子进行边缘检测。
thresh）根据所指定的敏感度阈值thresh，用Sobel算子进行边缘
检测，它忽略了所有小于阈值的边缘。
当thresh为空时，自动选择阈值。
thresh,direction）根据所指定的敏感度阈值thresh，在所指定的
方向direction上，用Sobel算子进行边缘检测。
Direction可取的字符串值为horizontal（水平方向）、vertical（垂直方向）或both（两个方向）。
[BW,thresh]=edge（I,'
...）返回阈值
prewitt'
）自动选择阈值用prewitt算子进行边缘检测。
thresh）根据所指定的敏感度阈值thresh，用prewitt算子进行
边缘检测，它忽略了所有小于阈值的边缘。
thresh,direction）根据所指定的敏感度阈值thresh，在所指定
的方向direction上，用prewitt算子进行边缘检测。
Direction可取的字符串值为
horizontal（水平方向）、vertical（垂直方向）或both（两个方向）默认方向为both。
roberts'
）自动选择阈值用roberts算子进行边缘检测。
thresh）根据所指定的敏感度阈值thresh，用Roberts算子进行
5.Imclose
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。
IM2=imclose（IM,SE）
IM2=imclose（IM,NHOOD）
用法和imopen相同。
6.imopen
对图像实现开运算，开运算一般能平滑图像的轮廓，消弱狭窄的部分，去掉细的突出。
IM2=imopen（IM,SE）
IM2=imopen（IM,NHOOD）
IM2=imopen（IM,SE）用结构元素SE实现灰度图像或二值图像的IM的形态开运算。
SE可
以是单个结构元素对象或者结构元素对象数组。
IM2=imopen（IM,NHOOD）用结构元素strel（NHOO）执行开运算。
D
7.bwareaopen
删除小面积对象
格式：
BW2=bwareaopen（BW,P,conn）
作用：
删除二值图像BW中面积小于P的对象，默认情况下conn使用8邻域。
8.tic和toc函数
这两个函数一般配合使用，tic表示计时的开始，toc表示计时的结束。
格式如：
tic
任意表达式
toc
t=toc
9.fspecial
用于建立预定义的滤波算子，其语法格式为：
h=fspecial（type）
h=fspecial（type，para）
其中type指定算子的类型，para指定相应的参数；
type的类型有：
1、'
average'
averagingfilter
为均值滤波，参数为hsize代表模板尺寸，默认值为【3，3】。
circularaveragingfilter
为圆形区域均值滤波，参数为radius代表区域半径，默认值为5.
gaussian'
Gaussianlowpassfilter
为高斯低通滤波，有两个参数，hsize表示模板尺寸，默认值为【33】，sigma为滤波器的
标准值，单位为像素，默认值为0.5.
Prewitthorizontaledge-emphasizingfilter
用于边缘增强，大小为【33】，无参数
Sobelhorizontaledge-emphasizingfilter
用于边缘提取，无参数
9.filter2
J=filter2（h,I）;
使用指定的滤波器h对I进行滤波，结果保存在J中
10.bwarea
函数功能：
计算二值图像中对象的总面积。
调用格式：
total=bwarea（BW）
估算二值图像BW中对象的总面积。
返回的total是一个标量，它的值大致地反映了和图
像中on像素的个数。
由于对于不同像素类型，
度量标准不同，因此结果可能并不十分精
像素值不为0被
确。
BW可以是数值类型（整型、浮点型）或者逻辑类型。
对于数值类型，
视为on。
返回值total是double类型的。
11.sum
函数求和
sum（x,2）表示矩阵x的横向相加，求每行的和，结果是列向量。
而缺省的sum（x）就是竖向相加，求每列的和，结果是行向量。
A>
0的结果是得到一个逻辑矩阵，大小跟原来的A一致，
A中大于零的元素的位置置为1，小于等于零的位置置为0。
所以横向求和以后，就是求A中每行大于零的元素个数。
12.round
四舍五入
Y=round（X）
在matlab中round也是一个四舍五入函数。
五、实验步骤
%将车牌的原图显示出来，结果如下
I=imread（'
car1.jpg'
）;
figure
（1）,imshow（I）;
title（'
originalimage'
）
I1=rgb2gray（I）;
%将彩图转换为灰度图
figure
（2）,subplot（1,2,1）,imshow（I1）;
grayimage'
figure
（2）,subplot（1,2,2）,imhist（I1）;
灰度图直方图'
%绘制灰度图的直方图
结果如下所示：
I2=edge（I1,'
0.18,'
both'
%选择阈值0.18，用roberts算子进行边缘检测
figure（3）,imshow（I2）;
robertsoperatoredgedetectionimage'
）；
结果如下：
se=[1;
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）;
corrosionimage'
5.平滑图像
se=strel（'
[25,25]）;
%构造结构元素以正方形构造一个se
I4=imclose（I3,se）;
%图像聚类、填充图像
figure（5）,imshow（I4）;
smothingimage'
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）;
removethesmallobjects'
%用imshow函数显示滤波后图像
结果如下所示：
7.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（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
fori=1:
y
forj=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
[tempMaxY]=max（Blue_y）;
%Y方向车牌区域确定
%temp为向量yellow_y的元素中的最大值，MaxY为该值的索引
PY1=MaxY;
while（（Blue_y（PY1,1）>
=5）&
&
（PY1>
1））
PY1=PY1-1;
PY2=MaxY;
while（（Blue_y（PY2,1）>
（PY2<
y））
PY2=PY2+1;
IY=I（PY1:
PY2,:
:
%行方向车牌区域确定
%%%%%%方向X%%%%%%%%%
Blue_x=zeros（1,x）;
%进一步确定x方向的车牌区域
fori=PY1:
PY2
Blue_x（1,j）=Blue_x（1,j）+1;
PX1=1;
while（（Blue_x（1,PX1）<
3）&
（PX1<
x））
PX1=PX1+1;
PX2=x;
while（（Blue_x（1,PX2）<
（PX2>
PX1））
PX2=PX2-1;
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（'
Linedirectionareas'
%行方向车牌区
域确定
figure（7）,subplot（1,2,2）,imshow（dw）,title（'
positioningcolorimages'
%定位后
的车牌区域如下所示：
8.字符分割与识别
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,'
dw.jpg'
%将彩色车牌写入dw文件中a=imread（'
%读取车牌文件中的数据
将灰度图像写入文件中
车牌灰度图像'
b=rgb2gray（a）;
%将车牌图像转换为灰度图
imwrite（b,'
graylicenceplate.jpg'
%
figure（8）;
subplot（3,2,1）,imshow（b）,title（
g_max=double（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,'
binarylicenceplate.jpg'
subplot（3,2,2）,imshow（d）,title（'
beforefilteringbinarylicenceplate'
%均值滤波前
%滤波
h=fspecial（'
3）;
%建立预定义的滤波算子，average为均值滤波，模板的尺寸为3*3
d=im2bw（round（filter2（h,d）））;
%使用指定的滤波器h对h进行d即均值滤波
afteraveragelicenceplate.jpg'
subplot（3,2,3）,imshow（d）,title（'
afteraveragelicenceplate'
%某些图像进行操作
%膨胀或腐蚀
%se=strel（'
%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
%'
/'
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
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0.365
d=imerode（d,se）;
%如果大于0.365则图像进行腐蚀
elseifbwarea（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,'
expansionorcorrosionthelicenceplate.jpg'
subplot（3,2,4）,imshow（d）,title（'
expansionorcorrosionthelicenceplate'
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。
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）;
subplot（3,2,5）,imshow（d）,title（n）
k1=1;
k2=1;
s=sum（d）;
j=1;
whilej~=n
whiles（j）==0
j=j+1;
k1=j;
whiles（j）~=0&
j<
=n-1
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
%再切割
%切割出7个字符
y1=10;
y2=0.25;
flag=0;
word1=[];
whileflag==0
left=1;
wide=0;
whilesum（d（:
wide+1））~=0
wide=wide+1;
ifwide<
y1%认为是左侧干扰
[1:
wide]）=0;
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
%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（2,7,3）,imshow（word3）,title（'
3'
subplot（2,7,4）,imshow（word4）,title（'
4'
subplot（2,7,5）,imshow（word5）,title（'
5'
subplot（2,7,6）,imshow（word6）,title（'
6'
subplot（2,7,7）,imshow（word7）,title（'
7'
[m,n]=size（word1）;
%商用系统程序中归一化大小为40*20,此处演示
word1=imresize（word1,[4020]）;
word2=imresize（word2,[4020]）;
word3=imresize（word3,[4020]）;
word4=imresize（word4,[4020]）;
word5=imresize（word5,[4020]）;
word6=imres
升级会员 