车牌识别地matlab程序详细注释并有使用注意点Word文件下载.docx
《车牌识别地matlab程序详细注释并有使用注意点Word文件下载.docx》由会员分享,可在线阅读,更多相关《车牌识别地matlab程序详细注释并有使用注意点Word文件下载.docx(11页珍藏版)》请在冰豆网上搜索。
level=(fmax1-(fmax1-fmin1)/3)/255;
%获得最佳阈值
bw22=im2bw(Egray,level);
%转换图像为二进制图像
bw2=double(bw22);
%Step4对得到二值图像作开闭操作进行滤波
figure,imshow(bw2);
图像二值化'
%得到二值图像
grd=edge(bw2,'
canny'
)%用canny算子识别强度图像中的边界
figure,imshow(grd);
图像边缘提取'
%输出图像边缘
bg1=imclose(grd,strel('
rectangle'
[5,19]));
%取矩形框的闭运算
figure,imshow(bg1);
图像闭运算[5,19]'
%输出闭运算的图像
bg3=imopen(bg1,strel('
%取矩形框的开运算
figure,imshow(bg3);
图像开运算[5,19]'
%输出开运算的图像
bg2=imopen(bg3,strel('
[19,1]));
figure,imshow(bg2);
图像开运算[19,1]'
%Step5对二值图像进行区域提取,并计算区域特征参数。
进行区域特征参数比较,提取车牌区域
[L,num]=bwlabel(bg2,8);
%标注二进制图像中已连接的部分
Feastats=imfeature(L,'
basic'
%计算图像区域的特征尺寸
Area=[Feastats.Area];
%区域面积
BoundingBox=[Feastats.BoundingBox];
%[xywidthheight]车牌框架大小
RGB=label2rgb(L,'
spring'
'
k'
shuffle'
%标志图像向RGB图像转换
figure,imshow(RGB);
图像彩色标记'
%输出框架的彩色图像
lx=0;
forl=1:
num
width=BoundingBox((l-1)*4+3);
%框架宽度的计算
hight=BoundingBox((l-1)*4+4);
%框架高度的计算
if(width>
98&
width<
160&
hight>
25&
hight<
50)%框架的宽度和高度的范围,这块儿不同的图片对应不同,可以用终端操作查看后更改!
!
lx=lx+1;
Getok(lx)=l;
end
end
fork=1:
lx
l=Getok(k);
startcol=BoundingBox((l-1)*4+1)-2;
%开始列
startrow=BoundingBox((l-1)*4+2)-2;
%开始行
width=BoundingBox((l-1)*4+3)+8;
%车牌宽
hight=BoundingBox((l-1)*4+4)+2;
%车牌高
rato=width/hight;
%计算车牌长宽比
ifrato>
2&
rato<
4%这块儿也需要根据具体情况更改一下,如3-6啊什么的
break;
sbw1=bw2(startrow:
startrow+hight,startcol:
startcol+width-1);
%获取车牌二值子图
subcol1=Sgray(startrow:
%获取车牌灰度子图
figure,subplot(2,1,1),imshow(subcol1);
车牌灰度子图'
%输出灰度图
subplot(2,1,2),imshow(sbw1);
车牌二值子图'
%输出车牌的二值图
%Step6计算车牌水平投影,并对水平投影进行峰谷分析
histcol1=sum(sbw1);
%计算垂直投影
histrow=sum(sbw1'
%计算水平投影
figure,subplot(2,1,1),bar(histcol1);
垂直投影(含边框)'
%输出垂直投影
subplot(2,1,2),bar(histrow);
title('
水平投影(含边框)'
%输出水平投影
figure,subplot(2,1,1),bar(histrow);
%输出二值图
%对水平投影进行峰谷分析
meanrow=mean(histrow);
%求水平投影的平均值
minrow=min(histrow);
%求水平投影的最小值
levelrow=(meanrow+minrow)/2;
count1=0;
l=1;
fork=1:
hight
ifhistrow(k)<
=levelrow
count1=count1+1;
else
ifcount1>
=1
markrow(l)=k;
%上升点
markrow1(l)=count1;
%谷宽度(下降点至下一个上升点)
l=l+1;
count1=0;
markrow2=diff(markrow);
%峰距离(上升点至下一个上升点)
[m1,n1]=size(markrow2);
n1=n1+1;
markrow(l)=hight;
markrow1(l)=count1;
markrow2(n1)=markrow(l)-markrow(l-1);
l=0;
n1
markrow3(k)=markrow(k+1)-markrow1(k+1);
%下降点
markrow4(k)=markrow3(k)-markrow(k);
%峰宽度(上升点至下降点)
markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));
%峰中心位置
end
%Step7计算车牌旋转角度
%
(1)在上升点至下降点找第一个为1的点
[m2,n2]=size(sbw1);
%sbw1的图像大小
[m1,n1]=size(markrow4);
%markrow4的大小
maxw=max(markrow4);
%最大宽度为字符
ifmarkrow4
(1)~=maxw%检测上边
ysite=1;
k1=1;
forl=1:
n2
fork=1:
markrow3(ysite)%从顶边至第一个峰下降点扫描
ifsbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
else%检测下边
ysite=n1;
ifmarkrow4(n1)==0
ifmarkrow4(n1-1)==maxw
ysite=0;
%无下边
else
ysite=n1-1;
ifysite~=0
k=m2;
whilek>
=markrow(ysite)%从底边至最后一个峰的上升点扫描
k=k-1;
%
(2)线性拟合,计算与x夹角
fresult=fit(xdata'
ydata'
'
poly1'
%poly1Y=p1*x+p2
p1=fresult.p1;
angle=atan(fresult.p1)*180/pi;
%弧度换为度,360/2pi,pi=3.14
%(3)旋转车牌图象
subcol=imrotate(subcol1,angle,'
bilinear'
crop'
%旋转车牌图象
sbw=imrotate(sbw1,angle,'
%旋转图像
figure,subplot(2,1,1),imshow(subcol);
%输出车牌旋转后的灰度图像标题显示车牌灰度子图
subplot(2,1,2),imshow(sbw);
'
%输出车牌旋转后的灰度图像
title(['
车牌旋转角:
'
num2str(angle),'
度'
],'
Color'
r'
%显示车牌的旋转角度
%Step8旋转车牌后重新计算车牌水平投影,去掉车牌水平边框,获取字符高度
histcol1=sum(sbw);
histrow=sum(sbw'
垂直投影(旋转后)'
水平投影(旋转后)'
车牌二值子图(旋转后)'
%去水平(上下)边框,获取字符高度
maxhight=max(markrow2);
findc=find(markrow2==maxhight);
rowtop=markrow(findc);
rowbot=markrow(findc+1)-markrow1(findc+1);
sbw2=sbw(rowtop:
rowbot,:
%子图为(rowbot-rowtop+1)行
maxhight=rowbot-rowtop+1;
%字符高度(rowbot-rowtop+1)
%Step9计算车牌垂直投影,去掉车牌垂直边框,获取车牌及字符平均宽度
histcol=sum(sbw2);
figure,subplot(2,1,1),bar(histcol);
垂直投影(去水平边框后)'
%输出车牌的垂直投影图像
subplot(2,1,2),imshow(sbw2);
%输出垂直投影图像
车牌字符高度:
int2str(maxhight)],'
%输出车牌字符高度
%对垂直投影进行峰谷分析
meancol=mean(histcol);
%求垂直投影的平均值
mincol=min(histcol);
levelcol=(meancol+mincol)/4;
%求垂直投影的1/4
width
ifhistcol(k)<
=levelcol
markcol(l)=k;
%字符上升点
markcol1(l)=count1;
%谷宽度(下降点至下一个上升点)
markcol2=diff(markcol);
%字符距离(上升点至下一个上升点)
[m1,n1]=size(markcol2);
markcol(l)=width;
markcol1(l)=count1;
markcol2(n1)=markcol(l)-markcol(l-1);
%Step10计算车牌上每个字符中心位置,计算最大字符宽度maxwidth
markcol3(k)=markcol(k+1)-markcol1(k+1);
%字符下降点
markcol4(k)=markcol3(k)-markcol(k);
%字符宽度(上升点至下降点)
markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2));
%字符中心位置
markcol6=diff(markcol5);
%字符中心距离(字符中心点至下一个字符中心点)
maxs=max(markcol6);
%查找最大值,即为第二字符与第三字符中心距离
findmax=find(markcol6==maxs);
markcol6(findmax)=0;
maxwidth=max(markcol6);
%查找最大值,即为最大字符宽度
%Step11提取分割字符,并变换为22行14列标准子图
[m2,n2]=size(subcol);
figure;
fork=findmax-1:
findmax+5
cleft=markcol5(k)-maxwidth/2;
cright=markcol5(k)+maxwidth/2-2;
ifcleft<
1
cleft=1;
cright=maxwidth;
ifcright>
cright=n2;
cleft=n2-maxwidth;
SegGray=sbw(rowtop:
rowbot,cleft:
cright);
SegBw1=sbw(rowtop:
SegBw2=imresize(SegBw1,[2214]);
%变换为22行14列标准子图
subplot(2,n1,l),imshow(SegGray);
ifl==7
title(['
车牌字符宽度:
int2str(maxwidth)],'
subplot(2,n1,n1+l),imshow(SegBw2);
fname=strcat('
c:
\work\sam\image'
int2str(k),'
.jpg'
%这块儿是自建模板,网上也有下载的,注意文件路径
imwrite(SegBw2,fname,'
jpg'
)
%Step12将计算计算获取的字符图像与样本库进行匹配,自动识别出字符代码。
liccode=char(['
0'
:
9'
A'
Z'
粤桂海云贵川京津沪'
]);
%建立自动识别字符代码表
SubBw2=zeros(22,14);
[m2,n2]=size(sbw);
ifl==1%第一位汉字识别
kmin=37;
kmax=45;
elseifl==2%第二位A~Z字母识别
kmin=11;
kmax=36;
elseifl>
=3&
l<
=5%第三、四位0~9A~Z字母和数字识别
kmin=1;
else%第五~七位0~9数字识别
kmax=10;
fork2=kmin:
kmax
H:
\work\sam\Sam'
liccode(k2),'
%这块儿是自建模板,前面有提到过,'
粤桂海云贵川京津沪,注意文件路径
SamBw2=imread(fname);
fori=1:
22
forj=1:
14
SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
end%SubBw2=SamBw2-SegBw2;
Dmax=0;
fork1=1:
forl1=1:
if(SubBw2(k1,l1)>
0|SubBw2(k1,l1)<
0)
Dmax=Dmax+1;
Error(k2)=Dmax;
Error1=Error(kmin:
kmax);
%比较误差
MinError=min(Error1);
%取误差的最小值
findc=find(Error1==MinError);
%查找最小误差的图像
RegCode(l*2-1)=liccode(findc
(1)+kmin-1);
RegCode(l*2)='
;
%输出最小误差图像
title(['
识别车牌号码:
RegCode],'