车牌图像定位与识别.docx

1、车牌图像定位与识别专业综合实验报告 数字图像处理专业：电子信息工程 班级：姓名： 学号： 指导教师：2014年 7月 18 日车牌图像定位与识别一、 设计目的利用matlab实现车牌识别系统，熟悉 matlab应用软件的基础知识，利用其 解决数字信号处理的实际应用问题， 从而加深对理论知识的掌握，巩固理论课上 知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时 不断的调试程序也提高了自己独立编程水平， 并在实践中不断完善理论基础，有助于自身综合能力的提高。二、 设计内容和要求车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管 理等几个部分，能够完成复杂背景下

2、汽车牌照的定位分割以及牌照字符的自动识 别。这里，只要求对给定的彩色车牌图像变换成灰度图像， 用阈值化技术进行字符与背景的分离，再提取牌照图像。三、 设计步骤1打开计算机，启动MATLAB?序；2调入给定的车牌图像，并按要求进行图像处理；3记录和整理设计报告四、 设计所需设备及软件计算机一台；移动式存储器；MATLA软件。五、 设计过程车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成， 其中 车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块； 字符 识别可以分为字符分割和单个字符识别两个模块。（一）对图像进行图像转换、图像增强和边缘检测等1. 载入车牌图像:SA 3

3、978Y2将彩图转换为灰度图并绘制直方图:3. 用roberts算子进行边缘检测：图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近 似水平的矩形区域；其中字符串都是按水平方向排列的； 在整体图象中的位置较 为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可 以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是 Roberts 算子。4. 图像实施腐蚀操作:腐蚀后图5. 平滑图像：对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此 可以在通过低通滤波器来滤除噪声，但实际中为了简化算法也可以直接在空域中 用求邻域平均值的方法来削

4、弱噪声的影响，这种方法称为图象平滑处理。平滑图像6删除二值图像的小对象去除小对象（二）车牌定位:从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所 在的位置SA3978i（三）字符分割与识别1车牌的进一步处理对分割出的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的单个字符图像，分割出来的字符进行预处理二 值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码1582. 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的作用。它在前期牌照定 位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字

5、符识别的 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，所以此处采用的 方法为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。在此只进行了归一化处理，然后进行后期处理。1 2 3 4 5 6 71 2 3 4 5 6 76. 总结根据车牌特点，一般采用的车牌定位算法有：1.边缘检测定位算法；2.利用 哈夫变换进行车牌定位；3.色彩分割提取车牌等。这里我采用的是边缘检测的方 法实现定位的。字符分割的方法也有多种：1.基于聚类分析的字符分割；2.投 影分割的方法；3.基于模板匹配的字符分割等。最常用的是投影分割，主要是针 对在车牌定位，图像预处理后比较规则的车

6、牌图像。优点是程序逻辑设计简单， 循环执行功能单一，便于设计和操作，程序执行时间短。对现实事物的设计不仅是对前面所学知识的一种检验，而且也是对自己能力 的一种提高。通过这次设计使我明白了自己原来知识还比较欠缺。 这个设计让我学到了很多东西，涉及到方方面面的知识，在这整个过程中我们查阅了大量的资 料，得到了老师和同学的帮助，我在此对他们表示谢意。7. 源代码：(1)主程序：I二imread(car.jpg);figure(1),imshow(l);title( 原图);I仁 rgb2gray(I);灰度图);灰度直方图);边缘检测图);figure(2),subplot(1,2,1),imsho

7、w(l1);title( figure(2),subplot(1,2,2),imhist(l1);title( I2=edge(l1,roberts,0.18,both);figure(3),imshow(I2);title(roberts se=1;1;1;I3=imerode(I2,se);pupuH+(rL)xdn_8H(rL)xdn_8(LHH(L-r三ae)=CXIAdydH04XP.1IJ04 -(dpd)lr= pu = +cxldHcxld(AVcxld)osos(gHA(L-cxld)Adn_8)_zMxel/IHcxld pu vLAdHLAd(LALd)osos(gHA(

8、L-Ld)Adn_8)_zMxel/IHLd MAI naxelulAxew dlu pu pupu=+(L.MI nmH( L.MI nm(LHH(L-r三ae)=X- l也04rL上04_(I/A)SO ZHA nm01 -(g-qnopllAlu -(g-NsNi _(g_)MOLISE(9n64 =0000 寸一)udoee/vqHg_ _岂(寸一)MOLISE(gn64 -( so-soolull寸- 二&呂-0;_6ueE)a)上 S3S _(2)M0llsE($2n64endPX仁1;while(Blue_x(1,PX1)3 )&(PX1x)PX仁 PX1+1;endPX2=x;

9、while(Blue_x(1,PX2)PX1)PX2=PX2-1;endPX仁 PX1-1;PX2=PX2+1;dw=l(PY1:PY2-8,PX1:PX2,:);行方向车牌区域); 定位后车牌区域);t=toc;figure(7),subplot(1,2,1),imshow(IY),title( figure(7),subplot(1,2,2),imshow(dw),title(imwrite(dw,dw.jpg);a=imread(dw.jpg);b=rgb2gray(a);imwrite(b,gray licence plate.jpg);figure(8);subplot(3,2,1)

10、,imshow(b),title( g_max=double(max(max(b);g_mi n=double(mi n( mi n(b);T=ro un d(g_max-(g_max-g_mi n) /3);m, n=size(b);d=(double(b)=T);imwrite(d,binary licence plate.jpg); subplot(3,2,2),imshow(d),title(before plate);h=fspecial(average,3); d=im2bw(rou nd(filter2(h,d); imwrite(d,after average licence

11、plate.jpg);车牌灰度图像);filteri ng binarylice ncesubplot(3,2,3),imshow(d),title(after average lice nce plate);se=eye(2);m, n=size(d);if bwarea(d)/m/n=0.365d=imerode(d,se);elseif bwarea(d)/m/n=0.235d=imdilate(d,se);endlice neeimwrite(d,expa nsio n or corrosi on the lice nee plate.jpg); subplot(3,2,4),imsh

12、ow(d),title(expa nsion or corrosi on theplate);d=qiege(d);m, n=size(d);subplot(3,2,5),imshow(d),title( n);k1=1;k2=1;s=sum(d);j=1;while j=nwhile s(j)=0j=j+1;endk1=j;while s(j)=0&j=ro un d( n/6.5)val, num=mi n( sum(d(:,k1+5:k2-5);d(:,k1+ nu m+5)=0;endendd=qiege(d);y1=10;y2=0.25;flag=0;word 仁;while fla

13、g=0m, n=size(d);left=1;wide=0;while sum(d(:,wide+1)=0wide=wide+1;endif widevyld(:,1:wide)=0;d=qiege(d);elsetemp=qiege(imcrop(d,1 1 wide m);m, n=size(temp);all=sum(sum(temp);two_thirds=sum(sum(temp(ro un d(m/3):2*ro un d(m/3),:);if two_thirds/ally2flag=1;word1=temp;endd(:,1:wide)=0;d=qiege(d);endendw

14、ord2,d=getword(d);word3,d=getword(d);word4,d=getword(d);word5,d=getword(d);word6,d=getword(d);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(wor

15、d5),title(5);subplot(2,7,6),imshow(word6),title(6);subplot(2,7,7),imshow(word7),title(7);m, n=size(word1);word 1= imresize(word1,40 20);word2=imresize(word2,40 20);word3=imresize(word3,40 20);word4=imresize(word4,40 20);word5=imresize(word5,40 20);word6=imresize(word6,40 20);word7=imresize(word7,40

16、20);subplot(2,7,8),imshow(word1),title(1);subplot(2,7,9),imshow(word2),title(2);subplot(2,7,10),imshow(word3),title(3);subplot(2,7,11),imshow(word4),title(4);subplot(2,7,12),imshow(word5),title(5);subplot(2,7,13),imshow(word6),title(6);subplot(2,7,14),imshow(word7),title(7);imwrite(word1,1.jpg);imwr

17、ite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);imwrite(word6,6.jpg);imwrite(word7,7.jpg);(2)子程序：(getword子程序)function word,result=getword(d) word=;flag=0;y1=8;y2=0.5;while flag=0m, n=size(d);wide=0;while sum(d(:,wide+1)=0 & wide=n-2 wide=wide+1;endtemp=qiege(imcrop(d,

18、1 1 wide m);m1, n1=size(temp);if widey2d(:,1:wide)=0;if sum(sum(d)=0d=qiege(d); % 切割出最小范围else word=;flag=1;endelseword=qiege(imcrop(d,1 1 wide m);d(:,1:wide)=0;if sum(sum(d)=0;d=qiege(d);flag=1;else d=;endendendresult=d;子程序：(qiege子程序)fun cti on e=qiege(d)m, n=size(d);top=1;bottom=m;left=1;right=n;while sum(d(top,:)=0 & top1 bottom=bottom-1;endwhile sum(d(:,left)=0 & left=1right=right-1;enddd=right-left;hh=bottom-top;e=imcrop(d,left top dd hh);