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
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
升级会员 