车牌识别Matlab算法详解.docx
《车牌识别Matlab算法详解.docx》由会员分享，可在线阅读，更多相关《车牌识别Matlab算法详解.docx（23页珍藏版）》请在冰点文库上搜索。
车牌识别Matlab算法详解
生成界面时注意事项
1、生成文件主菜单和打开、关闭子菜单不一样的地方，在于文件主菜单不对应实际执行代码，所以在Callback回调函数，这一项，可将其删除为空。
2、在关闭MenuEditor之前，先保存正在编辑的.fig文件，让其自动生成或者更新对应的.m文件
3、在.fig文件编辑器的空白处，双击，弹出PropertyInspector，在其中更改
Resize属性为on,表示窗体大小可以更改；
更改Units的单位为pixels；
Tag的名称代表窗体的名称，默认为figure1，另取一个名称为mainFrm.
注意在关闭PropertyInspector之前总是先保存.fig文件
双击之
4、假如程序运行出了问题，可先在Commandwindow中查看错误说明，根据提示修改。
或者打开.m源代码文件，重新编译运行。
注意在运行之前使用命令窗口中的clc命令清空内存。
5、现在一行一行来解释源代码。
第一行：
functionvarargout=LicenseRecognition（varargin）
分别表示主函数的输出、函数名称、函数输入
在%Begininitializationcode-DONOTEDIT
%Endinitializationcode-DONOTEDIT
这两行注释符之前的代码是编辑菜单时自动生成的，不需要修改
functionLicenseRecognition_OpeningFcn（hObject,eventdata,handles,varargin）
%系统自动生成
handles.output=hObject;%系统自动生成
——————————————————————————————————
%以下代码为手工添加，表示使用handles结构体来保存图形界面中各种对象的句柄，或者中间结果，这些句柄或者中间结果在创建图形对象或运算中产生，需要在以后的回调函数中多次用到，所以这里的作用类似于全局变量的作用，用来进行数据的传递。
handles.imgIn=[];
handles.imgOut=[];
handles.flag=0;%判断标志
handles.pos=[];%图形对象所在位置
handles.lef=1;
handles.top=1;
handles.wid=0;
handles.hig=0;
——————————————————————————————————
%Updatehandlesstructure自动生成，用来将上面定义的数据
guidata（hObject,handles）;
%自动生成，定义输出
%---Outputsfromthisfunctionarereturnedtothecommandline.
functionvarargout=LicenseRecognition_OutputFcn（hObject,eventdata,handles）
varargout{1}=handles.output;
第一步：
打开读取文件
%--------------------------------------------------------------------
functionMenu_File_Open_Callback（hObject,eventdata,handles）%该行为自动生成
[fname,pname]=uigetfile（{'*.bmp;*.jpg;*.tif','AllIMAGEFiles（*.bmp,*.jpg,*.tif）'},'Openaninputimage'）;%弹出打开文件的对话框
strPath=[pnamefname];%设置文件名和路径名
if~isempty（strPath）
[img,cmap]=imread（strPath）;%读取文件数据
[hig,wid,page]=size（img）;%获得图像大小
ifpage==3%假设图像是RGB彩色
imgIn=rgb2gray（img）;%转换为灰度图象
else
imgIn=img;
end
handles.imgIn=imgIn;%将结果赋给全局变量，以便交给下一个函数处理
handles.flag=1%标志为1表示数据已经读取
%pos=get（handles.mainFrm,'Position'）;
figure（handles.mainFrm）;%创建图形界面，用来显示图像
set（handles.mainFrm,'Position',[400,300,wid,hig]）;%设置该图形界面的显示位置
image（imgIn）;%显示图像，其和imshow功能类似，但带有默认的调色板
colormap（gray（256））;%将其默认调色板更改为256级灰度
handles.pos=[400,300,wid,hig];%将图形界面的位置保存到hdl结构体中
guidata（hObject,handles）;%保存图形界面数据
set（handles.Menu_EdgeDetect,'Enable','On'）;%设置下一个菜单为可点击的亮色
end
%完成菜单退出功能--------------------------------------------------------------------
functionMenu_File_Exit_Callback（hObject,eventdata,handles）
ifhandles.flag==1
str={'Areyousureaboutexitingtheprogram?
','Ifso,thedatawillbelost!
'};
ret=questdlg（str,'Warning'）;
switchret
case'Yes'
delete（gcf）;
case'No','Cancel'
return;
end
end
%第二步：
边缘检测功能实现
--------------------------------------------------------------------
functionMenu_EdgeDetect_Callback（hObject,eventdata,handles）
if~isempty（handles.imgIn）%检查图像数据是否非空
imgIn=double（handles.imgIn）;%在处理之前将图像数据类型转换为double型
%BW=uint8（255*edge（handles.imgIn,'roberts'））;
%handles.imgOut=BW;
%guidata（hObject,handles）;
%set（handles.mainFrm,'Position',handles.pos）;
%image（BW）;
%colormap（gray（256））;
filt=fspecial（'sobel'）;%构建soble算子的模板
horz=conv2（imgIn,filt,'same'）;%进行卷积运算
%Cs=conv2（A,B,'same'）CsisthesamesizeasA:
3-by-3
vert=conv2（imgIn,filt','same'）;
imgOut=uint8（max（horz,vert））;%取水平和垂直方向运算结果的最大值
%imgOut=uint8（sqrt（horz.^2+vert.^2））;
handles.imgOut=imgOut;
handles.flag=1;
guidata（hObject,handles）;
figure（handles.mainFrm）;
set（handles.mainFrm,'Position',handles.pos）;
image（imgOut）;
colormap（gray（256））;
set（handles.Menu_RoughLocate,'Enable','On'）;
set（handles.Menu_FineLocate,'Enable','Off'）;
set（handles.Menu_CharacterCutout,'Enable','Off'）;
set（handles.Menu_LicenseRecognition,'Enable','Off'）;
end
第三步：
车牌粗定位
%车牌粗定位:
根据车牌区域在水平方向灰度值具有明显频繁的跳变，可求边缘提取后水平方向的差分，然后进行水平方向上的投影，也即沿水平方向进行相邻像素差分值的累加，绘制的投影图横轴为图像高度，原点为左上角，纵轴即为沿水平方向的差分值累加和。
--------------------------------------------------------------------
functionMenu_RoughLocate_Callback（hObject,eventdata,handles）
if~isempty（handles.imgOut）
imgIn=double（handles.imgOut）;
[hig,wid]=size（imgIn）;
diff_horz=zeros（hig,wid）;%构建一个与图像大小一样的全为0的矩阵，存储水平方向相邻像素的差值
diff_horz=abs（imgIn（:
1:
wid-1）-imgIn（:
2:
wid））;%类似第1列像素减第2列像素，第2列减第3列，依次减下去
cum_horz=sum（diff_horz'）;%对图像矩阵先转置，再投影
figure;%绘制投影图形，横轴为1到图像高，纵轴为水平方向差分值累计和
bar（1:
hig,cum_horz,'r'）;
title（'horizontalprojection'）;
%diff_vert=zeros（hig,wid）;
%diff_vert=abs（imgIn（1:
hig-1,:
）-imgIn（2:
hig,:
））;
%cum_vert=sum（diff_vert）;
%figure;
%bar（1:
wid,cum_vert,'b'）;
%title（'verticalprojection'）;
%通过观察投影图，给出车牌的大概位置是，左上角坐标为（85,225），宽度为60，高度为20。
lef=85;top=225;wid=60;hig=20;
handles.lef=lef;%将检测结果传递给hdl结构体，以传递到下一个微定位的函数
handles.top=top;
handles.wid=wid;
handles.hig=hig;
imgOut=uint8（imgIn（top:
top+hig-1,lef:
lef+wid-1））;%按刚才给的位置大小提取出车牌，转换为无符号整型，保存到imgOut中
handles.imgOut=imgOut;
handles.flag=1;
guidata（hObject,handles）;
figure（handles.mainFrm）;
set（handles.mainFrm,'Position',handles.pos）;
image（imgOut）;
colormap（gray（256））;
axisoff;
set（handles.Menu_FineLocate,'Enable','On'）;
set（handles.Menu_RoughLocate,'Enable','Off'）;
set（handles.Menu_CharacterCutout,'Enable','Off'）;
set（handles.Menu_LicenseRecognition,'Enable','Off'）;
end
第四步：
车牌微定位
如图所示，在粗定位结果的基础上，还需要把红色边框外的图像去掉，以进一步确定字符范围，缩减车牌的左右上下边界，以便后续字符处理。
--------------------------------------------------------------------
functionMenu_FineLocate_Callback（hObject,eventdata,handles）
if~isempty（handles.imgOut）
imgIn=double（handles.imgOut）;%传入粗定位的结果图像
[hig,wid]=size（imgIn）;%取图像大小
lef_tem=wid*ones（hig,1）;%构建一个hig行，1列的值全为1的矩阵，与wid相乘，矩阵值全部为wid
rig_tem=zeros（hig,1）;%构建一个hig*1的0矩阵
fori=1:
hig
forj=1:
wid-1%从左到右扫描，遇到相邻像素的灰度值差值大于60时，停止扫描，记下列号，说明此列是车牌左边界
tem=imgIn（i,j+1）-imgIn（i,j）;
iftem>=60
lef_tem（i）=j+1;
break;
end
end
%从右向左扫描，遇到相邻像素的灰度值差值大于60时，停止扫描，记下列号，说明此列是车牌右边界
forj=wid:
-1:
2
tem=imgIn（i,j-1）-imgIn（i,j）;
iftem>=60
rig_tem（i）=j-1;
break;
end
end
end4
lef=min（lef_tem）;%每一行都可以扫描得到一个左边界，取其中最小的
rig=max（rig_tem）;%每一行都可以扫描得到一个右边界，取其中最大的
%这也是lef_tem、rig_tem在初始化定义的时候分别为ones全为1的矩阵和全为zeros0的矩阵的原因
top_tem=hig*ones（wid,1）;
bot_tem=zeros（wid,1）;
forj=lef:
rig
fori=1:
hig-1
tem=imgIn（i+1,j）-imgIn（i,j）;
iftem>=60
top_tem（j）=i+1;
break;
end
end
fori=hig:
-1:
2
tem=imgIn（i-1,j）-imgIn（i,j）;
iftem>=60
bot_tem（j）=i-1;
break;
end
end
end
top=min（top_tem）;%按同样的方法找到上下边界，注意图像左上角为原点
bot=max（bot_tem）;
handles.lef=handles.lef+lef-1;%在原始图像上定位微定位后车牌的位置
handles.top=handles.top+top-1;
handles.wid=rig-lef+1;
handles.hig=bot-top+1;
%将微定位后的图像数据取出来
imgOut=uint8（imgIn（top:
bot,lef:
rig））;
handles.imgOut=imgOut;
handles.flag=1;
guidata（hObject,handles）;
figure（handles.mainFrm）;
set（handles.mainFrm,'Position',handles.pos）;
image（imgOut）;
colormap（gray（256））;
axisoff;
set（handles.Menu_CharacterCutout,'Enable','On'）;
set（handles.Menu_RoughLocate,'Enable','Off'）;
set（handles.Menu_FineLocate,'Enable','Off'）;
set（handles.Menu_LicenseRecognition,'Enable','Off'）;
end
第五步：
字符分割
%--------------------------------------------------------------------
functionMenu_CharacterCutout_Callback（hObject,eventdata,handles）
ifhandles.wid~=0
lef=handles.lef;%注意：
这里是微定位后车牌在原始图像上的位置
top=handles.top;
wid=handles.wid;
hig=handles.hig;
%此处imgIn是在原始图像上取微定位后车牌位置区域的数据产生的
imgIn=double（handles.imgIn（top:
top+hig-1,lef:
lef+wid-1））;
%maxvalue=max（imgIn（:
））;
%minvalue=min（imgIn（:
））;
%imgOut=~（imgIn>=（maxvalue+minvalue+30）/2）;
imgOut=~JudgeAnalysis（imgIn）;%对图像进行二值化，然后反转
[label,num]=bwlabel（imgOut）;%对二值图像进行连通成分的标记
%对于以上两个中间变量的结果，大家可以在Matlab的workspace中查看其结果变化，理解
k=0;
fori=1:
num%以下代码为找到像素总数小于10的连通成分，剔除，这里6个字符，但有7个连通成分，剔除其中较少像素的连通成分
tem=（label==i）;%把所有label为i的像素统计出来
ifsum（tem（:
））<=10
imgOut（find（label==i））=0;
k=k+1;
end
end
num=num-k;%减去剔除的连通成分的个数
proj_vert=sum（imgOut）;%对图像每一列求和，也即垂直投影
ifproj_vert
（1）~=0%如果第一列的投影不为0，说明第一列的像素中有字符
coordx
（1）=1;
k=1;
else
k=0;
end
%以下代码说明：
如果第后一列像素为0，而前一列的像素不为0，则说明此处是字符的右边界
%如果前一列像素为0，后一列不为0，说明此处是字符的左边界
forj=2:
wid-1
tem1=proj_vert（j-1）-proj_vert（j）;
tem2=proj_vert（j+1）-proj_vert（j）;
if（proj_vert（j）==0）&（tem1>=1）
k=k+1;
coordx（k）=j-1;
elseif（proj_vert（j）==0）&（tem2>=1）
k=k+1;
coordx（k）=j+1;
end
end
%如果倒数第二列不为0，倒数第1列为0，则说明倒数第2列为边界
if（proj_vert（wid-1）~=0）&（proj_vert（wid）==0）
k=k+1;
coordx（k）=wid-1;
end
%k代表总共有k条边界
k=length（coordx）;
set（handles.mainFrm,'Position',handles.pos）;
image（uint8（255*（~imgOut）））;%将其反转回来在0-255之间显示
colormap（gray（256））;
axisoff;
holdon;
forj=1:
k
x=coordx（j）*ones（1,hig）;%将x的数目变成和y一样多，组成（x,y）坐标点对
y=1:
hig;
plot（x,y,'b'）;
holdon;
end
holdoff;
%根据上面所找边界线，对字符进行实际的分割
forj=1:
num
tem_wid（j）=coordx（2*j）-coordx（2*j-1）+1;%每个字符由一对边界线分割而成，由右边边界线减去左边边界线的位置，得到的是此字符的宽度
tem=imgOut（:
coordx（2*j-1）:
coordx（2*j））;%取出每一字符的实际数据
proj_horz=sum（tem'）;%对该字符的行求累加值
fork=1:
hig%从上往下扫描，找出第j个字符的上边界
ifproj_horz（k）~=0
tem1=k;
coordy（j,1）=tem1;
break;
end
end
fork=hig:
-1:
1%从下往上扫描，找出第j个字符的下边界
ifproj_horz（k）~=0
tem2=k;
coordy（j,2）=tem2;
break;
end
end
tem_hig（j）=tem2-tem1+1;%找出每一字符的高度
end
%以最大的宽和高来统一每个字符的大小
maxwid=max（tem_wid）;%总共有6个字符，找出其中最宽的
maxhig=max（tem_hig）;%总共有6个字符，找出其中最高的
fork=1:
num
lef=coordx（2*k-1）;rig=coordx（2*k）;
top=coordy（k,1）;bot=coordy（k,2）;
wid=rig-lef+1;hig=bot-top+1;
Norm_Char（1:
maxhig,1:
maxwid,k）=ones（maxhig,maxwid）;%初始化为大小统一
Norm_Char（1:
hig,1:
wid,k）
升级会员 