完整版数字图像处理车牌识别课程设计matlab实现附源代码.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.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.docx（22页珍藏版）》请在冰豆网上搜索。
完整版数字图像处理车牌识别课程设计matlab实现附源代码
精品实验项目
字符识别预处理的设计与实现
专业：
电子信息工程
姓名：
高勇
学号：
2010021204
指导老师：
郑蕊蕊
一、实验类型：
设计性实验3
二、实验目的3
三、实验设备：
扫描仪、安装有MATLAB软件的计算机3
四、实验内容及原理3
（1）字符图像的获取3
（2）字符图像预处理3
（3）字符图像分割3
（4）函数的作用4
五、实验步骤8
1.载入车牌图像：
8
2.将彩图转换为灰度图并绘制直方图：
9
3.用roberts算子进行边缘检测：
10
4.图像实施腐蚀操作：
10
5.平滑图像11
6.删除二值图像的小对象12
7.车牌定位12
8.字符分割与识别14
9.车牌识别：
20
六、思考题27
一、实验类型：
设计性实验
二、实验目的
1.掌握图像的获取、预处理和分割的原理及MATLAB实现方法。
2.掌握使用扫描仪和计算机获取数字图像的方法，理解扫描仪的原理。
3.自学一种字符图像的分割算法并用MATLAB编程实现该算法。
三、实验设备：
扫描仪、安装有MATLAB软件的计算机
四、实验内容及原理
（1）字符图像的获取
用扫描仪获取图像是字符图像处理常用的数字化过程的方法之一。
以办公设备中常用的
台式扫描仪为例，其主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅
面和接口方式等，这些指标都可以从扫描仪的说明手册中获得。
分辨率的单位是dp（iDotPer
Inch），意思是每英寸的像素点数。
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。
用法：
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。
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=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
功能：
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。
BW=edge（I,'sobel',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。
BW=edge（I,'sobel',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,'sobel',...）返回阈值
BW=edge（I,'prewitt'）自动选择阈值用prewitt算子进行边缘检测。
BW=edge（I,'prewitt',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。
当thresh为空时，自动选择阈值。
BW=edge（I,'prewitt',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。
BW=edge（I,'roberts'）自动选择阈值用roberts算子进行边缘检测。
BW=edge（I,'roberts',thresh）根据所指定的敏感度阈值thresh，用Roberts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。
5.Imclose
功能：
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。
用法：
IM2=imclose（IM,SE）
IM2=imclose（IM,NHOOD）
用法和imopen相同。
6.imopen
功能：
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。
用法：
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
功能：
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
功能：
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】。
'disk'
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.
'prewitt'
Prewitthorizontaledge-emphasizingfilter
用于边缘增强，大小为【33】，无参数
'sobel'
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
功能：
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
功能：
四舍五入
调用格式：
Y=round（X）
在matlab中round也是一个四舍五入函数。
五、实验步骤
1.载入车牌图像：
%将车牌的原图显示出来，结果如下
I=imread（'car1.jpg'）;
figure
（1）,imshow（I）;title（'originalimage'）
2.将彩图转换为灰度图并绘制直方图：
I1=rgb2gray（I）;%将彩图转换为灰度图
figure
（2）,subplot（1,2,1）,imshow（I1）;title（'grayimage'）;
figure
（2）,subplot（1,2,2）,imhist（I1）;title（'灰度图直方图'）;%绘制灰度图的直方图
结果如下所示：
3.用roberts算子进行边缘检测：
I2=edge（I1,'roberts',0.18,'both'）;%选择阈值0.18，用roberts算子进行边缘检测
figure（3）,imshow（I2）;title（'robertsoperatoredgedetectionimage'）；结果如下：
4.图像实施腐蚀操作：
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）;title（'corrosionimage'）;
5.平滑图像
se=strel（'rectangle',[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）;title（'smothingimage'）;
结果如下所示：
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）;title（'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
end
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;
end
PY2=MaxY;
while（（Blue_y（PY2,1）>=5）&&（PY2PY2=PY2+1;
end
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
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
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（'dw.jpg'）;%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（'average',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
imwrite（d,'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（'square',3）;%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
%'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
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）;
[m,n]=size（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;
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）;
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 