1、车牌识别附源代码车牌识别(附源代码)车牌识别电子1301 孙洪江 2013234020113一、目的与要求车牌定位系统的目的在于正确获取整个图像中车牌的区域,并识别出车牌号。通过设计实现车牌识别系统,能够提高学生分析问题和解决问题的能力,还能培养一定的科研能力二、设计原理:牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等,其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完
2、整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元,采集当前的视频图像。牌照识别单元对图像进行处理,定位出牌照位置,再将牌照中的字符分割出来进行识别,然后组成牌照号码输出。 三、详细设计步骤:为了进行牌照识别,需要以下几个基本的步骤:a.牌照定位,定位图片中的牌照位置;b.牌照字符分割,把牌照中的字符分割出来;c.牌照字符识别,把分割好的字符进行识别,最终组成牌照号码。牌照识别过程中,牌照颜色的识别依据算法不同,可能在上述不同步骤实现,通常与牌照识别互相配合、互相验证。(1)牌照定位:自然环境下,汽车图像背景复杂、光照不均匀,如何在自然背
3、景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最后选定一个最佳的区域作为牌照区域,并将其从图象中分割出来。(2)牌照字符分割 :se=strel(rectangle,25,25);%构造结构元素以正方形构造一个seI4=imclose(I3,se); figure(5),imshow(I4);title(smothing image); 结果如下所示:6. 删除二值图像的小对象 I5=bwareaopen(I4,2000);% 去除聚团灰度值小于2000的部分figure(6
4、),imshow(I5);title(remove the small objects); %用imshow函数显示滤波后图像结果如下所示 :7.车牌定位y,x,z=size(I5);%返回I5各维的尺寸,存储在x,y,z中myI=double(I5);%将I5转换成双精度tic %tic表示计时的开始,toc表示计时的结束 Blue_y=zeros(y,1);%产生一个y*1的零阵 for i=1:y for j=1:x if(myI(i,j,1)=1) Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end end temp MaxY=max(Blue_y)
5、;%Y方向车牌区域确定 PY1=MaxY; while (Blue_y(PY1,1)=5)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:);Blue_x=zeros(1,x);%进一步确定x方向的车牌区域 for j=1:x for i=PY1:PY2 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)&(PX1x) PX1=PX1
6、+1; end PX2=x; while (Blue_x(1,PX2)PX1) PX2=PX2-1; end PX1=PX1-1;%对车牌区域的校正 PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title(Line direction areas); figure(7),subplot(1,2,2),imshow(dw),title(positioning color images);8.字符分割与识别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
7、从车牌图像中分离出组成车牌号码的单个字符图像,对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。代码如下:imwrite(dw,dw.jpg);%将彩色车牌写入dw文件中a=imread(dw.jpg);%读取车牌文件中的数据b=rgb2gray(a);%将车牌图像转换为灰度图imwrite(b,gray licence plate.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(m
8、in(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,binary licence plate.jpg);subplot(3,2,2),imshow(d),title(before filtering binary licence plate)h=fspecial(average,3);d=im2bw(round(filter2(h,d);%使用指定的滤波器h对h进行d即均值滤波imwrite(d,after average licence plat
9、e.jpg);subplot(3,2,3),imshow(d),title(after average licence plate)se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵m,n=size(d);%返回矩阵b的尺寸信息, 并存储在m,n中if bwarea(d)/m/n=0.365 %计算二值图像中对象的总面积与整个面积的比是否大于0.365 d=imerode(d,se);%如果大于0.365则图像进行腐蚀elseif bwarea(d)/m/n=0.235 %计算二值图像中对象的总面积与整个面积的比是否小于0.2
10、35 d=imdilate(d,se);%如果小于则实现膨胀操作endimwrite(d,expansion or corrosion the licence plate.jpg);subplot(3,2,4),imshow(d),title(expansion or corrosion the licence plate);运行结果如下所示:9.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
11、某阈值,则认为该块有两个字符组成,需要分割。一般分割出来的字符要进行进一步的处理,以满足下一步字符识别的需要。但是对于车牌的识别,并不需要太多的处理就已经可以达到正确识别的目的。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%首先创建子函数qiege与getword,而后调用子程序,将车牌的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;while j=n while s(j)=0 j=
12、j+1; end k1=j; while s(j)=0 & j=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endendd=qiege(d);y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; endif widey2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)=0;d=qiege(d); endend
13、word2,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),imsh
14、ow(word5),title(5);subplot(2,7,6),imshow(word6),title(6);subplot(2,7,7),imshow(word7),title(7);m,n=size(word1);word1=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,
15、40 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);i
16、mwrite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);imwrite(word6,6.jpg);imwrite(word7,7.jpg);运行结果如下:10.车牌识别:模板匹配是图象识别方法中最具代表性的基本方法之一,它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较,计算它们之间规格化的互相关量,其中互相关量最大的一个就表示期间相似程度最高,可将图象归于相应的类。也可以计算图象与模板特征量之间的距离,用最小距离法判定所属类。此处采
17、用相减的方法来求得字符与模板中哪一个字符最相似,然后找到相似度最大的输出。汽车牌照的字符一般有七个,大部分车牌第一位是汉字,通常代表车辆所属省份,紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限,汉字共约50多个,大写英文字母26个,数字10个。为了实验方便,结合本次设计所选汽车牌照的特点,只建立了7个数字26个字母与10个数字的模板。其他模板设计的方法与此相同。首先取字符模板,接着依次取待识别字符与模板进行匹配,将其与模板字符相减,得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存,即为识别出来的结果源代码如下:liccode=char(0:9 A:Z 苏豫陕鲁京
18、辽浙); %建立自动识别字符代码表 SubBw2=zeros(40,20);l=1;for I=1:7 ii=int2str(I); t=imread(ii,.jpg); SegBw2=imresize(t,40 20,nearest); SegBw2=double(SegBw2)20; if l=1 %第一位汉字识别 kmin=37; kmax=43; elseif l=2 %第二位 AZ 字母识别 kmin=11; kmax=36; else l=3 %第三位以后是字母或数字识别 kmin=1; kmax=36; end for k2=kmin:kmax fname=strcat(字符模板
19、,liccode(k2),.jpg); SamBw2 = imread(fname); SamBw2=double(SamBw2)1; for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上相当于两幅图相减得到第三幅图 Dmax=0; for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) =5)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1;
20、 end IY=I(PY1:PY2,:,:); %行方向车牌区域确定 Blue_x=zeros(1,x);%进一步确定x方向的车牌区域 for j=1:x for i=PY1:PY2 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)&(PX1x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)PX1) PX2=PX2-1; endPX1=PX1-1;%对车牌区域的校正 PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2
21、,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title(车牌行方向);%行方向车牌区域确定figure(7),subplot(1,2,2),imshow(dw),title(车牌区域);%定位后的车牌区域如下所示:imwrite(dw,dw.jpg);%将彩色车牌写入dw文件中a=imread(dw.jpg);%读取车牌文件中的数据b=rgb2gray(a);%将车牌图像转换为灰度图figure(8);subplot(3,2,1),imshow(b),title(车牌灰度图像)g_max=double(max(max(b);g_min=dou
22、ble(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subplot(3,2,2),imshow(d),title(二值化图像)%均值滤波前% 滤波h=fspecial(average,3);%建立预定义的滤波算子,average为均值滤波,模板的尺寸为3*3d=im2bw(round(filter2(h,d);%使用指定的滤波器h对h进行d即均值滤波subplot(3,2,3),imshow(d),title(滤波后图像)se=eye(2); % eye(n
23、) returns the n-by-n identity matrix 单位矩阵m,n=size(d);%返回矩阵b的尺寸信息, 并存储在m,n中if bwarea(d)/m/n=0.365 %计算二值图像中对象的总面积与整个面积的比是否大于0.365 d=imerode(d,se);%如果大于0.365则图像进行腐蚀elseif bwarea(d)/m/n=0.235 %计算二值图像中对象的总面积与整个面积的比是否小于0.235 d=imdilate(d,se);%如果小于则实现膨胀操作endsubplot(3,2,4),imshow(d),title(膨胀或腐蚀图像);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=n while s(j)=0 j=j+1; end k1=j; while s(j)=0 & j=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1