基于matlab车牌的定位与分割识别程序概要.docx
《基于matlab车牌的定位与分割识别程序概要.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.docx（11页珍藏版）》请在冰豆网上搜索。
基于matlab车牌的定位与分割识别程序概要
基于Matlab的车牌定位与分割
经典算法
I=imread（'car.jpg'）;%读取图像
figure（）;subplot（3,2,1）,imshow（I）, title（'原始图像'）;
I1=rgb2gray（I）;%转化为灰度图像
subplot（3,2,2）,imshow（I1）,title（'灰度图像'）;
I2=edge（I1,'robert',0.09,'both'）;%采用robert算子进行边缘检测
subplot（3,2,3）,imshow（I2）,title（'边缘检测后图像'）;
se=[1;1;1]; %线型结构元素
I3=imerode（I2,se）;%腐蚀图像
subplot（3,2,4）,imshow（I3）,title（'腐蚀后边缘图像'）;
se=strel（'rectangle',[25,25]）;矩形结构元素
I4=imclose（I3,se）;%图像聚类、填充图像
subplot（3,2,5）,imshow（I4）,title（'填充后图像'）;
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
for j=1:
x
if（I6（i,j,1）==1）
Y1（i,1）= Y1（i,1）+1;
end
end
end
[temp MaxY]=max（Y1）;
figure（）;
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;
end
PY2=MaxY;
while （（Y1（PY2,1）>=50）&&（PY2PY2=PY2+1;
end
IY=I（PY1:
PY2,:
:
）;
X1=zeros（1,x）;
for j=1:
x
for i=PY1:
PY2
if（I6（i,j,1）==1）
X1（1,j）= X1（1,j）+1;
end
endend
subplot（3,2,2）,plot（0:
x-1,X1）,title（'列方向像素点灰度值累计和'）,
xlabel（'列值'）,ylabel（'像数'）;
%求的车牌的列起始位置和终止位置PX1=1;
while （（X1（1,PX1）<3）&&（PX1PX1=PX1+1;
end
PX2=x;
while （（X1（1,PX2）<3）&&（PX2>PX1））
PX2=PX2-1;
end
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）;
for i=1:
y1
for j=1:
x1
if（I3（i,j,1）==1）
Y1（i,1）= Y1（i,1）+1 ;
end
end
end
Py1=1;
Py0=1;
while （（Y1（Py0,1）<20）&&（Py0Py0=Py0+1;
end
Py1=Py0;
while（（Y1（Py1,1）>=20）&&（Py1Py1=Py1+1;
end
I2=I2（Py0:
Py1,:
:
）;
subplot（3,2,6）;
imshow（I2）,title（'目标车牌区域'）;
% 分割字符按行积累量%
X1=zeros（1,x1）;
for j=1:
x1
for i=1:
y1
if（I3（i,j,1）==1）
X1（1,j）= X1（1,j）+1;
end
end
end
figure（5）;
plot（0:
x1-1,X1）,title（'列方向像素点灰度值累计和'）,xlabel（'列值'）,
ylabel（'累计像素量'）;
Px0=1;
Px1=1;
%分割字符
for i=1:
7
while （（X1（1,Px0）<3）&&（Px0Px0=Px0+1;
end
Px1=Px0;
while （（（X1（1,Px1）>=3）&&（Px1Px1=Px1+1;
end
Z=I2（:
Px0:
Px1,:
）;
switch strcat（'Z',num2str（i））
case 'Z1'
PIN0=Z;
case 'Z2'
PIN1=Z;
case 'Z3'
PIN2=Z;
case 'Z4'
PIN3=Z;
case 'Z5'
PIN4=Z;
case 'Z6'
PIN5=Z;
otherwise
PIN6=Z;
end
figure（3）;
subplot（1,7,i）;
imshow（Z）;
Px0=Px1;
End
functioninpt= pretreatment（I）
%YUCHULI Summary of this function goes here
%Detailed explanation goes here
if isrgb（I）
I1 = rgb2gray（I）;
else
I1=I;
end
I1=imresize（I1,[50 20]）;%将图片统一划为50*20大小
I1=im2bw（I1,0.9）;
[m,n]=size（I1）;
inpt=zeros（1,m*n）;
%将图像按列转换成一个行向量
for j=1:
n
for i=1:
m
inpt（1,m*（j-1）+i）=I1（i,j）;
end
end
%神经网络进行识别。
close all;
clear all;
%%%%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','logsig','logsig'},'trainrp
'）;
net.inputWeights{1,1}.initFcn ='randnr';
net.layerWeights{2,1}.initFcn ='randnr';
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'）;
I=imread（'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'];
for i=2:
7
T0= sim（net ,P0（:
i））;
T1 = compet （T0） ;
d =find（T1 == 1） - 1
if （d==10）
str='A';
elseif （d==11）
str='C';
elseif （d==12）
str='G';
elseif （d==13）
str='L';
elseif （d==14）
str='M';
elseif （d==15）
str='R';
elseif （d==16）
str='H';
elseif （d==17）
str='N';
else
str=num2str（d）;
end
switch i
case 2
str1=str;
case 3
str2=str;
case 4
str3=str;
case 5
str4=str;
case 6
str5=str;
otherwise
str6=str;
end
end
%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）;
figure（）;
imshow（dw）,title（s）;
非诚勿扰欢迎下载
升级会员 