MATLAB大作业培训课件.docx
《MATLAB大作业培训课件.docx》由会员分享,可在线阅读,更多相关《MATLAB大作业培训课件.docx(14页珍藏版)》请在冰豆网上搜索。
![MATLAB大作业培训课件.docx](https://file1.bdocx.com/fileroot1/2022-11/22/b0b10fe8-b7e5-4d84-b8a5-5bb024020b01/b0b10fe8-b7e5-4d84-b8a5-5bb024020b011.gif)
MATLAB大作业培训课件
基于MATLAB识别图片中的文字
知识点:
图像识别图像处理计算机视觉
实验目的:
以MATLAB为工具,识别图片中的文字。
问题描述:
交通是一个十分重要的问题,红绿灯上的摄像头可以辨别车主的身份。
现在,我们是否能够用matlab设计一个图像识别的系统,通过车牌号的来识别相应的数字。
问题分析及模型建立:
第一步:
确定车牌号的区域
对于一张图像
在matlab中,在处理图像元素时用(x,y,z)三坐标的形式表达的灰度集时,其中,x和y是空间坐标,z是f在坐标(x,y)处的值,就可以表达图像在该坐标轴上的点。
再将,将f(x,y)的数值简单地显示为一个矩阵,就可以定量地表达了一幅数值图像。
矩阵中的每个元素称为像素。
所以,如果我们想要截取一段车牌号的图像,我们就可以扫描图像每一个点的像素。
然后我们进行恢复处理,算子边缘检测,腐蚀,闭操作,删除小对象得到
我们就可以利用RGB的值找到白色区域的边界,然后我们利用边界,截取我们的原图像就可以得到我们所需要的车牌号的区域了。
第二步:
进行文字的分割
在进行分割之前,就需要将我们所获得的车牌号的区域的图像进行进一步的处理,突出我们需要的文字部分。
灰度处理
彩色的图片占用的空间比较大,处理会花费很长的时间,先将图片进行灰度处理
二值化
再将图片二值化,将图片的256个灰度级强制减少到只有{0,255}2个灰度级,更加方便了后续的文字识别识别。
均值滤波
均值滤波是对是对图像进行局部平均,以平均值来代表该像素点的灰度值。
矩形滤波器对这个二维矢量的每一个分量进行独立的平滑处理。
获得一张比较干净清晰的图像。
腐蚀和膨胀
腐蚀可以分割独立的图像元素,膨胀用于连接相邻的元素,更加利于图像的分割
进行完图像的预处理,就可以开始图像的切割了
首先进行边缘的切割,处理完后的图像为黑底白字。
其中黑色为0,白色1为。
这样我们就可以从四个边缘进行扫描,若行或者列像素之和0的话,就为背景,这样就可以继续向内推移,直到和不为0的位置为止。
这样就进行了边缘的切割。
接下来,先进行文字的切割,文字和字母、数字在长度和宽度上有较大的差别,所以需要单独的拿出来。
因为号码是平铺过来的,所以我们进行列的扫描。
先从最左边进行扫描,若列像素之和不为0的话,则说明有文字,直到和为0的时候停止。
但是如果扫描出来的宽度太小的话就说明背景可能有白色区域干扰。
这时,应该将刚刚扫描出来的区域置黑,再次进行扫描,截取图像。
同理,数字和字母可同样按着上面的方式扫描,截取。
截取后的图像
模板的配对
所有的文字数字和字母都截取下来后,我们需要将所得的图片统一的量化为同样大小的图像方便比对。
统一量化后的图像
完成了这部的操作之后,就需要建立一个小型的模板库。
将车牌号常见的文字、十个数字和26个英文字母存储为上面同样大小的二值化图片,并且以对应字符的名称命名。
将所有的模板放在一起,按照一定的顺序排列。
然后,我们就可以调用我们已经切割好的图片和模板内部的图片进行相减,寻找差别最小的图片进行匹配,这样就可以识别出车牌号上的字符了。
问题求解:
matlab代码:
主函数
function[d]=main(jpg)
closeall
clc
I=imread('Car.jpg');%读入车牌图像Car.jpg
I1=rgb2gray(I);
I2=edge(I1,'roberts',0.15,'both');
se=[1;1;1];
I3=imerode(I2,se);
se=strel('rectangle',[25,25]);
I4=imclose(I3,se);
I5=bwareaopen(I4,2000);
figure
(1),imshow(I5);title('从对象中移除小对象');
[y,x,z]=size(I5);%图像以(y,x,z)表达灰度集,x,y为坐标,z为对应位置的值
myI=double(I5);%转化为双精度,便于确定范围
tic%测定算法执行的时间,开始计时
Blue_y=zeros(y,1);
fori=1:
y
forj=1:
x
if(myI(i,j,1)==1)
%寻找y轴方向的白色区域
Blue_y(i,1)=Blue_y(i,1)+1;%是蓝色区域的则进行计数
end
end
end
[tempMaxY]=max(Blue_y);%Y方向车牌区域确定temp(最多点数):
所有行中,最多的累积
PY1=MaxY;
while((Blue_y(PY1,1)>=5)&&(PY1>1))
PY1=PY1-1;
end%Y轴方向的上限
PY2=MaxY;
while((Blue_y(PY2,1)>=5)&&(PY2PY2=PY2+1;
end%Y轴方向的的下限
IY=I(PY1:
PY2,:
:
);
%%%%%%X方向%%%%%%%%%
Blue_x=zeros(1,x);%进一步确定x方向的车牌区域
forj=1:
x
fori=PY1:
PY2%只需要扫描PY1:
PY2的部分,简化程序
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%确定x轴的右边界
PX2=x;
while((Blue_x(1,PX2)<3)&&(PX2>PX1))
PX2=PX2-1;
end%确定x轴的左边界
PX1=PX1-1;%对车牌区域的校正
PX2=PX2+1;
dw=I(PY1:
PY2-8,PX1:
PX2,:
);%确定图片的截取区域
t=toc;%读取程序的运行时间
a=imread('dw.jpg');%读入已经截取好的图像
A=size(a);
iflength(A)==3
b=rgb2gray(a);
else
b=a;
end
figure(8);subplot(3,2,1),imshow(b),title('1.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为二值化的阈值
[m,n]=size(b);
d=(double(b)>=T);%d:
二值图像
imwrite(d,'2.车牌二值图像.jpg');
figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像')
figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')
%滤波
h=fspecial('average',3);%进行均值滤波
imwrite(d,'4.均值滤波后.jpg');
figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后')
%某些图像进行操作
%膨胀或腐蚀
se=eye
(2);%eye(n)可返回一个2*2单位矩阵
[m,n]=size(d);%图像为二值图像,x,y为坐标
ifbwarea(d)/m/n>=0.365%计算二值图像中对象的总面积
d=imerode(d,se);%实现图形的腐蚀
elseifbwarea(d)/m/n<=0.235
d=imdilate(d,se);%实现图像的膨胀
end
imwrite(d,'5.膨胀或腐蚀处理后.jpg');
figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')
%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
d=qiege(d);%截掉边界黑色的部分
[m,n]=size(d);%图像已经切割的图像的坐标
figure,subplot(2,1,1),imshow(d),title(n)
k1=1;
k2=1;
s=sum(d);
j=1;
whilej~=n
whiles(j)==0
j=j+1;
end%扫过的地方全为黑色,则向右移动,直到不是停止
k1=j;%确定截图的左边界
whiles(j)~=0&&j<=n-1
j=j+1;
end%继续扫描,扫过的地方不全为黑色,向右移动,直到不是停止
k2=j-1;%确定截图的右边界
ifk2-k1>=round(n/6.5)
[val,num]=min(sum(d(:
[k1+5:
k2-5])));
d(:
k1+num+5)=0;%k1+num+5列的位置赋值为黑色,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%扫过的地方不全为黑色,向右移动,直到不是停止
ifwided(:
[1:
wide])=0;%将此片区域全部转化为黑色,继续进行切割
d=qiege(d);
else
temp=qiege(imcrop(d,[11widem]));%返回已经切割好的区域
[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);%getword的函数与上面类似,字母、数字和文字在一些细节上需要去区分
%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);
subplot(5,7,1),imshow(word1),title('1');
subplot(5,7,2),imshow(word2),title('2');
subplot(5,7,3),imshow(word3),title('3');
subplot(5,7,4),imshow(word4),title('4');
subplot(5,7,5),imshow(word5),title('5');
subplot(5,7,6),imshow(word6),title('6');
subplot(5,7,7),imshow(word7),title('7');
[m,n]=size(word1);
%将生成的图片归一化大小为40*20
word1=imresize(word1,[4020]);
word2=imresize(word2,[4020]);
word3=imresize(word3,[4020]);
word4=imresize(word4,[4020]);
word5=imresize(word5,[4020]);
word6=imresize(word6,[4020]);
word7=imresize(word7,[4020]);
subplot(5,7,15),imshow(word1),title('1');
subplot(5,7,16),imshow(word2),title('2');
subplot(5,7,17),imshow(word3),title('3');
subplot(5,7,18),imshow(word4),title('4');
subplot(5,7,19),imshow(word5),title('5');
subplot(5,7,20),imshow(word6),title('6');
subplot(5,7,21),imshow(word7),title('7');
imwrite(word1,'1.jpg');
imwrite(word2,'2.jpg');
imwrite(word3,'3.jpg');
imwrite(word4,'4.jpg');
imwrite(word5,'5.jpg');
imwrite(word6,'6.jpg');
imwrite(word7,'7.jpg');
liccode=char(['0':
'9''A':
'Z''苏豫陕鲁晋']);%建立自动识别字符代码表
SubBw2=zeros(40,20);%40*20的零矩阵
l=1;
forI=1:
7
ii=int2str(I);%int2str整型转换字符串
t=imread([ii,'.jpg']);
SegBw2=imresize(t,[4020],'nearest');%改变图片的大小
ifl==1%第一位汉字识别
kmin=37;
kmax=41;%模板中汉字所在的位置
elseifl==2%第二位A~Z字母识别
kmin=11;
kmax=36;%模板中数字所在的位置
elsel>=3%第三位以后是字母或数字识别
kmin=1;
kmax=36;%模板中字母所在的位置
end
fork2=kmin:
kmax
fname=strcat('字符模板\',liccode(k2),'.jpg');
SamBw2=imread(fname);
Error(k2)=sum(sum(abs(SegBw2-SamBw2)));
%将现有字符逐个与模板字符相减,认为相减误差最小的现有字符与该模板字符匹配
end
Error1=Error(kmin:
kmax);
MinError=min(Error1);
findc=find(Error1==MinError);%寻找最匹配的字符
Code(l*2-1)=liccode(findc
(1)+kmin-1);%将上述找到的字符位置与liccode中的字符链接上
Code(l*2)='';%在字符之间加空格
l=l+1;
end
figure(10),imshow(a),title(['车牌号码:
',Code],'Color','b');
函数getword
function[word,result]=getword(d)
word=[];flag=0;y1=8;y2=0.5;
whileflag==0
[m,n]=size(d);
wide=0;
whilesum(d(:
wide+1))~=0&&wide<=n-2
wide=wide+1;
end
temp=qiege(imcrop(d,[11widem]));
[m1,n1]=size(temp);
ifwidey2
d(:
[1:
wide])=0;
ifsum(sum(d))~=0
d=qiege(d);%切割出最小范围
elseword=[];flag=1;
end
else
word=qiege(imcrop(d,[11widem]));
d(:
[1:
wide])=0;
ifsum(sum(d))~=0;
d=qiege(d);flag=1;
elsed=[];
end
end
end
%end
result=d;
qiege函数
functione=qiege(d)
[m,n]=size(d);
top=1;%下端
bottom=m;%下端
left=1;%左端
right=n;%右端
whilesum(d(top,:
))==0&&top<=m%如果矩阵d的第top行的和为0的话
top=top+1;
end
whilesum(d(bottom,:
))==0&&bottom>=1%如果矩阵d的第bottom行的和为0的话
bottom=bottom-1;
end
whilesum(d(:
left))==0&&left<=n%如果矩阵d的第left列的和为0的话
left=left+1;
end
whilesum(d(:
right))==0&&right>=1%如果矩阵d的第right列的和为0的话
right=right-1;
(2)物品的独一无二end
附件
(二):
调查问卷设计dd=right-left;%切割的宽度
培养动手能力□学一门手艺□打发时间□兴趣爱好□hh=bottom-top;%切割的高度
标题:
手工制作坊2004年3月18日e=imcrop(d,[lefttopddhh]);%返回该截取的区域
附件
(二):
结果分析:
1,这种垂直扫描的方式,图像的中车的牌照需要接近水平,如果倾斜的比较厉害,很难只截取车牌号的区域。
2,扫描字符的时候,如果扫描左右结构的字符时,比如“沪”,则会截出‘氵’和‘户’两个部分,就无法匹配字符。
3,
4,与此同时,上海市工商行政管理局也对大学生创业采取了政策倾斜:
凡高校毕业生从事个体经营的,自批准经营日起,1年内免交登记注册费、个体户管理费、集贸市场管理费、经济合同鉴证费、经济合同示范文本工本费等,但此项优惠不适用于建筑、娱乐和广告等行业。
如果遇到受污染很严重的图片,就难切割图片的和模板中的图片匹配。
据上述部分的分析可见,我校学生就达4000多人。
附近还有两所学校,和一些居民楼。
随着生活水平的逐渐提高,家长给孩子的零用钱也越来越多,人们对美的要求也越来越高,特别是大学生。
他们总希望自己的无论是衣服还是首饰都希望与众不同,能穿出自己的个性。
但在我们美丽的校园里缺少自己的个性和琳琅满目的饰品,所以我们的小饰品店存在的竞争力主要是南桥或是市区的。
这给我们小组的创业项目提供了一个很好的市场机会。
参考文献
创业首先要有“风险意识”,要能承受住风险和失败。
还要有责任感,要对公司、员工、投资者负责。
务实精神也必不可少,必须踏实做事;[1]艾冬梅,李艳晴,张丽静,刘琳MATLAB与数学实验[M]机械工业出版社
[2]RafaelC.GonzalezRichardE.Woods数字图像处理[M]电子工业出版社
五、创业机会和对策分析[3]樊昀,王润生.从图像中提取文字[J].国防科技大学学报,2002,24
(1):
59-62.
随着社会经济、文化的飞跃发展,人们正从温饱型步入小康型,崇尚人性和时尚,不断塑造个性和魅力的现代文化价值观念,已成为人们的追求目标。
因此,顺应时代的饰品文化显示出强大的发展势头和越来越广的市场,从事饰品销售是有着广阔的市场空间。
[4]邹浩,余龙,邹勇博,刘宇童,和振乔,李少梅.基于MATLAB的图片中文字的提取及识别[J].西安电子科技大学电子工程学院,西安,710126