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],'
升级会员 