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