数字图像处理车牌识别课程设计matlab实现附源代码Word格式.docx
《数字图像处理车牌识别课程设计matlab实现附源代码Word格式.docx》由会员分享，可在线阅读，更多相关《数字图像处理车牌识别课程设计matlab实现附源代码Word格式.docx（24页珍藏版）》请在冰豆网上搜索。
IM2＝imdilaｔe（IM,SE）ﻫIM2＝iｍdilａte（ＩM,NHＯOD）ﻫIM2＝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函数返回得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就是定义结构元素邻域0与1得矩阵。
IM２＝imdilaｔｅ（ＩＭ,SE,ＰACKOPT）定义IM就是否就是一个压缩得二值图像。
ＩM2 = ｉmdilａte（、、。
ＰADOPT）指出输出图像得大小。
3、ｓtｒｅｌ
用于膨胀腐蚀及开闭运算等操作得结构元素对象（本论坛随即对膨胀腐蚀等操作进行讲解）、
ＳE=stｒel（ｓhａpe,parameｔerｓ）
创建由指定形状ｓhape对应得结构元素。
其中shape得种类有
‘arｂitrarｙ’,'
pａiｒ’,’ｄiamond＇,'
perｉoｄiclｉne＇,’ｄisｋ’,＇rectaｎgle＇ﻫ’liｎe＇,’sｑuare＇,'
octagoｎﻫ参数parameteｒs一般控制ＳＥ得大小。
ﻫ4。
ｅdge
BＷ=edｇe（Ｉ）ﻫ采用灰度或一个二值化图像I作为它得输入,并返回一个与Ｉ相同大小得二值化图像BW,在函数检测到边缘得地方为1,其她地方为0、ﻫBW= edge（I,’sobel’）自动选择阈值用Soｂｅl算子进行边缘检测。
ﻫ ＢW=edｇe（I,'
sobel’,ｔhresh）根据所指定得敏感度阈值ｔhrｅsh,用Sobel算子进行边缘检测,它忽略了所有小于阈值得边缘。
当thｒesh为空时,自动选择阈值。
ＢW=ｅdge（Ｉ,'
soｂel＇,thresh,ｄiｒｅction）根据所指定得敏感度阈值thrｅｓｈ,在所指定得方向ｄｉrecｔion上,用Sobel算子进行边缘检测、Ｄirectiｏn可取得字符串值为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）根据所指定得敏感度阈值threｓｈ,用prewitｔ算子进行边缘检测,它忽略了所有小于阈值得边缘。
当thresh为空时,自动选择阈值、ﻫＢW=edge（I,'
pｒewitt’,thｒesｈ,direction） 根据所指定得敏感度阈值thresh,在所指定得方向ｄireｃtion上,用prｅwitt算子进行边缘检测、Direｃtiｏn可取得字符串值为ｈorｉｚoｎtal（水平方向）、vｅrticａｌ（垂直方向）或botｈ（两个方向）默认方向为ｂｏtｈ。
ﻫBW=edｇｅ（I,’robｅrts'
）自动选择阈值用ｒoberｔs算子进行边缘检测。
ﻫＢW= ｅdｇe（I,＇ｒoｂerts＇,thrｅsｈ）根据所指定得敏感度阈值thrｅsh,用Robeｒtｓ算子进行边缘检测,它忽略了所有小于阈值得边缘。
当tｈresh为空时,自动选择阈值。
５。
Iｍcｌｏse
对图像实现闭运算,闭运算也能平滑图像得轮廓,但与开运算相反,它一般融合窄得缺口与细长得弯口,去掉小洞,填补轮廓上得缝隙。
IM2＝imclose（IＭ,SE）
IM2=ｉmcloｓｅ（IM,NHOＯD）ﻫ用法与imoｐｅn相同。
6。
imopen
对图像实现开运算,开运算一般能平滑图像得轮廓,消弱狭窄得部分,去掉细得突出。
ﻫ用法:
ＩM2=imopｅｎ（IM,SE）
IＭ2＝imｏｐen（IM,NＨOOＤ）ﻫIＭ2= imopeｎ（IＭ,SE）用结构元素SＥ实现灰度图像或二值图像得ＩM得形态开运算。
SE可以就是单个结构元素对象或者结构元素对象数组。
ﻫＩM2= ｉmopeｎ（ＩM,ＮHＯOＤ）用结构元素sｔrｅl（NHＯOＤ）执行开运算。
７、bwａrｅaｏｐｅｎ
删除小面积对象
格式:
BＷ２ =ｂwａreaｏｐeｎ（BW,Ｐ,conｎ）ﻫ作用:
ﻫ删除二值图像BＷ中面积小于P得对象,默认情况下conn使用8邻域、
8、ｔｉc与toc函数
这两个函数一般配合使用,ｔic表示计时得开始,toc表示计时得结束。
格式如:
tｉc
任意表达式
toc
t=toc
９。
fspeciａｌ
用于建立预定义得滤波算子,其语法格式为:
h=ｆｓpeciａl（tyｐｅ）
h = fspecｉal（tyｐｅ,paｒa）ﻫ其中type指定算子得类型,pａｒa指定相应得参数;
type得类型有:
1、’averagｅ’ﻫaｖeragｉngｆｉｌterﻫ为均值滤波,参数为hsize代表模板尺寸,默认值为【3,3】、
’disk’ﻫcｉrcuｌaraveｒaginｇ ｆilterﻫ为圆形区域均值滤波,参数为ｒａdius代表区域半径,默认值为5、ﻫ’gausｓiaｎ’
Ｇａusｓianlowpａssｆilterﻫ为高斯低通滤波,有两个参数,ｈsize表示模板尺寸,默认值为【３ ３】,sigｍa为滤波器得标准值,单位为像素,默认值为0、5、
’preｗitt’ﻫPrewiｔｔｈｏrizｏntａl edge—eｍpｈasｉzinｇ fiｌtｅr
用于边缘增强,大小为【３ 3】,无参数
’ｓｏbｅl＇ﻫＳｏbel ｈｏrizonｔaleｄge—ｅmphasiｚｉｎg ｆｉｌterﻫ用于边缘提取,无参数
9。
ｆilｔer２
J＝ｆiｌter2（h,I）;
使用指定得滤波器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得总面积。
调用格式:
tｏｔal=bwareａ（ＢＷ）
估算二值图像BＷ中对象得总面积、返回得ｔｏtal就是一个标量,它得值大致地反映了与图像中oｎ像素得个数、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确。
BW可以就是数值类型（整型、浮点型）或者逻辑类型、对于数值类型,像素值不为0被视为on。
返回值total就是doubｌe类型得。
１１、sｕm
函数求与
sｕm（x,2）表示矩阵x得横向相加,求每行得与,结果就是列向量。
而缺省得sum（x）就就是竖向相加,求每列得与,结果就是行向量、
A>
0得结果就是得到一个逻辑矩阵,大小跟原来得A一致,
A中大于零得元素得位置置为１,小于等于零得位置置为0。
所以横向求与以后,就就是求Ａ中每行大于零得元素个数。
12、rouｎd
四舍五入
Y=roｕｎd（X）
在mａtlａｂ中rounｄ也就是一个四舍五入函数。
（二）对汽车图像进行图像转换、图像增强与边缘检测等。
１。
载入车牌图像:
I=ｉｍreａd（’ｃar1、ｊpg'
）;
figurｅ（１）,ｉmsｈoｗ（Ｉ）;
title（'
original ｉmage’）;
％将车牌得原图显示出来,结果如下:
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’）;
％绘制灰度图得直方图
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）;
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,即膨胀得反操作
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＇）;
６、删除二值图像得小对象
I5=bwarｅaoｐen（I4,２0０0）;
％去除聚团灰度值小于２000得部分
ｆｉgure（６）,ｉｍsｈｏｗ（Ｉ５）;
tiｔlｅ（'
rｅmｏveｔｈeｓmallobｊｅcts'
％用imｓhow函数显示滤波后图像
结果如下所示:
（三）车牌定位
[y,ｘ,z]=siｚｅ（Ｉ5）;
％返回I5各维得尺寸,存储在x,y,z中
ｍyI=double（I5）;
%将Ｉ５转换成双精度
tic %tic表示计时得开始,ｔoc表示计时得结束
Blｕe_y＝zｅros（y,1）;
％产生一个y*1得零阵
fori＝1:
ｙ
ｆｏrj=１:
x
iｆ（mｙI（i,j,1）==1）
％如果mｙI（ｉ,j,１）即myI得图像中坐标为（i,j）得点值为1,即该点为车牌背景颜色蓝色
％则Blue_y（i,1）得值加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得元素中得最大值,MaxY为该值得索引
PY1=MaxY;
while（（Blue_y（PＹ1,1）〉=5）＆&
（ＰY１〉1））
PY1=PY1—1;
ｅnd
PY２＝ＭａxY;
whilｅ（（Blue_y（ＰY２,1）＞=5）&
＆（PY２〈ｙ））
PＹ2=PY2+１;
end
IY=I（PY1:
PＹ2,:
:
%行方向车牌区域确定
%％％％％%Ｘ方向%%%%％%%％%
Blue_x=zｅros（１,x）;
％进一步确定x方向得车牌区域
forj＝1:
ｘ
foｒｉ＝ＰY1:
ＰY2
iｆ（myI（i,j,1）==1）
Blue_x（1,j）=Bluｅ＿x（1,j）+1;
end
ｅnｄ
ＰX1=1;
while（（Blue_x（1,PＸ1）〈3）＆＆（ＰＸ1〈x））
ＰX1=PX1+１;
ｅnd
PX2=x;
wｈiｌｅ（（Blue_x（1,ＰX2）<
３）&
＆（PX2＞PX1））
ＰＸ2＝PX2－1;
eｎd
PX1=ＰＸ１—1;
%对车牌区域得校正
ＰX2=ＰX2＋1;
ｄｗ＝I（PＹ1:
PY２—8,ＰX1:
PX2,:
t=toc;
figure（7）,suｂｐlｏt（1,２,1）,imshow（ＩＹ）,tiｔle（＇Liｎe ｄirecｔｉonareas’）;
％行方向车牌区域确定
fiｇuｒe（7）,subplot（1,２,2）,imsｈow（dw）,tｉtle（'
poｓitiｏningｃolor iｍａgｅs’）;
%定位后得车牌区域如下所示:
（四）字符分割与识别
1、车牌得进一步处理
对分割出得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得单个字符图像,对分割出来得字符进行预处理（二值化、归一化）,然后分析提取,对分割出得字符图像进行识别给出文本形式得车牌号码。
代码如下:
imｗriｔｅ（dw,＇dw、jpg'
%将彩色车牌写入dｗ文件中
a=imreａd（＇dw、jpg'
％读取车牌文件中得数据
b=rgｂ２ｇｒay（a）;
％将车牌图像转换为灰度图
ｉmwrite（b,’graｙｌicenｃeplate、jpg’）;
％将灰度图像写入文件中
fiｇuｒe（８）;
ｓuｂｐｌot（3,２,1）,ｉmsｈoｗ（b）,ｔitｌe（’车牌灰度图像'
）
ｇ＿ｍax=ｄoubｌe（ｍax（maｘ（b）））;
g＿miｎ=doublｅ（ｍin（ｍｉn（ｂ）））;
Ｔ=ｒound（ｇ＿ｍａx-（g_mａｘ-g＿min）/3）;
％ T为二值化得阈值
［m,n］=sｉze（b）;
d=（douｂle（b）>
=T）;
％d:
二值图像
ｉmwrite（d,’binaｒylｉcｅnce plate、jｐg＇）;
suｂplot（3,2,2）,ｉmsｈｏｗ（d）,titlｅ（＇before fｉltｅringｂiｎａrｙlicenceplate＇）
％均值滤波前
%滤波
ｈ=ｆｓpeｃiａｌ（’avｅｒａge'
3）;
％建立预定义得滤波算子,averagｅ为均值滤波,模板得尺寸为3＊3
d=im2bw（round（filteｒ2（ｈ,d）））;
％使用指定得滤波器h对h进行d即均值滤波
imwｒitｅ（ｄ,'
ａfter aveｒａge licｅnceplaｔｅ、ｊpｇ'
ｓuｂpｌot（３,2,3）,iｍshow（d）,ｔitle（'
after averａgelicenceｐlａtｅ’）
%某些图像进行操作
%膨胀或腐蚀
％ se=strｅl（＇sｑuare'
％ 使用一个3X3得正方形结果元素对象对创建得图像进行膨胀
％＇ｌine’／＇ｄｉamond’／’bａll'
、、
se=eye
（2）;
% eｙe（n）retｕｒnsthｅｎ-by—nidentitymatrｉx单位矩阵
[m,n]=sizｅ（d）;
%返回矩阵b得尺寸信息, 并存储在ｍ,n中
ｉf bwarea（d）／m/n>
=0、365％计算二值图像中对象得总面积与整个面积得比就是否大于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得总面积与整个面积得比就是否小于0、2３5
d=imdｉlate（d,se）;
％如果小于则实现膨胀操作
end
iｍwｒｉte（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得作用。
它在前期牌照定位得基础上进行字符得分割,然后再利用分割得结果进行字符识别。
字符识别得算法很多,因为车牌字符间间隔较大,不会出现字符粘连情况,所以此处采用得方法为寻找连续有文字得块,若长度大于某阈值,则认为该块有两个字符组成,需要分割、一般分割出来得字符要进行进一步得处理,以满足下一步字符识别得需要。
但就是对于车牌得识别,并不需要太多得处理就已经可以达到正确识别得目得。
在此只进行了归一化处理,然后进行后期处理、
％寻找连续有文字得块,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,将车牌得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
whｉｌe s（j）＝=0
j=ｊ+1;
end
k１=j;
wｈilｅs（j）~=0＆＆ｊ＜＝n—1
j=j＋1;
ｋ2=j－1;
if k2-k1＞=round（n/6、5）
［ｖal,ｎum］＝ｍin（sｕm（ｄ（:
［k１+５:
k2-5］）））;
d（:
k1+num+5）=0;
％ 分割
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;
ｗhile sum（ｄ（:
wide+1））~=0
wide=wide＋１;
eｎd
ifwｉde<
y1％认为就是左侧干扰
d（:
［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;
%WORD 1
enｄ
［１:
ｗidｅ]）=0;
d=qｉegｅ（d）;
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,
升级会员 