基于Matlab的车牌识别实现源码(共10页).doc

《基于Matlab的车牌识别实现源码(共10页).doc》由会员分享，可在线阅读，更多相关《基于Matlab的车牌识别实现源码(共10页).doc（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上function=main(jpg)close allclctic %测定算法执行的时间fn,pn=uigetfile(timg1,jpg,选择图片) %读入图片I=imread(pn,fn);figure,imshow(I);title(原始图像); %显示原始图像Im1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(Im1);title(灰度图);figure(2),subplot(1,2,2),imhist(Im1);title(灰度图的直方图); %显示图像的直方图Tiao=imadjust(Im1,0.19,0.78

2、,0,1); %调整图片figure(3),subplot(1,2,1),imshow(Tiao);title(增强灰度图);figure(3),subplot(1,2,2),imhist(Tiao);title(增强灰度图的直方图);Im2=edge(Tiao,Roberts,both); %使用sobel算子进行边缘检测figure(4),imshow(Im2);title(sobel算子实现边缘检测)se=1;1;1;Im3=imerode(Im2,se);figure(5),imshow(Im3);title(腐蚀效果图);se=strel(square,40);%rectangle,

3、25,25/diamond,25/Im4=imclose(Im3,se);figure(6),imshow(Im4);title(平滑图像的轮廓);Im5=bwareaopen(Im4,1500);figure(7),imshow(Im5);title(移除小对象);y,x,z=size(Im5); %返回Im5各维的尺寸，并存储在变量y、x、z中Im6=double(Im5); %将Im5换成双精度数值 %开始横向扫描tic %tic计时开始，toc结束，计算tic与toc之间程序的运行时间Blue_y=zeros(y,1); %产生y*1的全0矩阵for i=1:y %逐行扫描 for j

4、=1:x if(Im6(i,j,1)=1)%如果Im6图像中坐标为(i,j)的点值为1,即为移除小对象的白色区域， Blue_y(i,1)= Blue_y(i,1)+1;%则y*1列矩阵的相应像素点的元素值加1， end end end temp MaxY=max(Blue_y);%temp为向量Blue_y的矩阵中的最大值，MaxY为该值的索引（最大值在向量中的位置）%返回包含最大元素的列，即白色区域最宽的列%Y方向车牌区域确定figure(8),subplot(1,2,1),plot(0:y-1,Blue_y),title(行方向白色像素点累计),xlabel(行数),ylabel(个数)

5、;PY1=MaxY;while (Blue_y(PY1,1)=120)&(PY11) PY1=PY1-1;endPY2=MaxY;while (Blue_y(PY2,1)=40)&(PY2y) PY2=PY2+1;endIY=I(PY1:PY2,:,:);%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分%横向扫描完成，开始纵向扫描Blue_x=zeros(1,x);%进一步确定x方向的车牌区域for j=1:x %逐列扫描 for i=PY1:PY2 if(Im6(i,j,1)=1) Blue_x(1,j)= Blue_x(1,j)+1; %根据Im5的x值确定 end end en

6、dfigure(8),subplot(1,2,2),plot(0:x-1,Blue_x),title(列方向白色像素点累计),xlabel(列数),ylabel(个数);PX1=1;while (Blue_x(1,PX1)3)&(PX1x) PX1=PX1+1;endPX2=x;while (Blue_x(1,PX2)PX1) PX2=PX2-1;end %end纵向扫描PX1=PX1-2;%对车牌区域的校正PX2=PX2+2;dw=I(PY1:PY2,PX1:PX2,:);t=toc;figure(9),subplot(1,2,1),imshow(IY),title(垂直方向合理区域);fi

7、gure(9),subplot(1,2,2),imshow(dw),title(定位剪切后的彩色车牌图像)imwrite(dw,dw.jpg); %将图像写入图形文件中a=imread(dw.jpg);b=rgb2gray(a);imwrite(b,车牌灰度图像.jpg);figure(10);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为设定的二值化的阈值,返回一个四舍五入的整数值m,n=siz

8、e(b);d=(double(b)=T); %d为二值图像imwrite(d,车牌二值图像.jpg);figure(10);subplot(3,2,2),imshow(d),title(2.车牌二值图像)figure(10),subplot(3,2,3),imshow(d),title(3.均值滤波前)h=fspecial(average,3);%建立预定义的滤波算子，average为均值滤波，模板尺寸为3*3d=imbinarize(round(filter2(h,d); %im2bw,使用指定的滤波器h对h进行d即均值滤波imwrite(d,均值滤波后.jpg);figure(10),su

9、bplot(3,2,4),imshow(d),title(4.均值滤波后)se=eye(2);%单位矩阵m,n=size(d); %d为二值图像,返回信息矩阵if bwarea(d)/m/n=0.365%二值图像中对象的总面积与整个面积的比大于0.365 d=imerode(d,se);%进行腐蚀elseif bwarea(d)/m/n=0.235%二值图像中对象的总面积与整个面积的比值小于0.235 d=imdilate(d,se);%进行膨胀endimwrite(d,膨胀或腐蚀处理后.jpg);figure(10),subplot(3,2,5),imshow(d),title(5.膨胀或腐

10、蚀处理后.jpg)d=qiege(d); %切割，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m,n=size(d);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+num+5)=0; endendd=qiege(d);y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); wide=0; while

11、sum(d(:,wide+1)=0 %扫过的地方不全为黑色，向右移动，直到不是停止 wide=wide+1; end if widey2 flag=1;word1=temp; end d(:,1:wide)=0;d=qiege(d); endendword2,d=getword(d); %分割出第二个字符word3,d=getword(d); %分割出第三个字符word4,d=getword(d); %分割出第四个字符word5,d=getword(d); %分割出第五个字符word6,d=getword(d); %分割出第六个字符word7,d=getword(d); %分割出第七个字符wo

12、rd1=imresize(word1,40 20);%模板字符大小统一为40*20，为字符辨认做准备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 20);figure(11);subplot(2,7,1),imshow(word1),title(1);subplot(2,7,2),imshow(word2),titl

13、e(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);imwrite(word1,1.jpg);imwrite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);

14、imwrite(word6,6.jpg);imwrite(word7,7.jpg);liccode=char(0:9 A:Z 辽粤豫鄂鲁陕京津苏浙);%建立自动识别字符代码表，将t0:9 A:Z 鲁陕苏豫多个字符串组成一个字符数组，每行对应一个字符串，字符数不足的自动补空格SubBw2=zeros(40,20);%40*20的零矩阵l=1;for I=1:7 ii=int2str(I);%整型转换字符串 t=imread(ii,.jpg); SegBw2=imresize(t,40 20,nearest);%改变图片的大小 SegBw2=double(SegBw2)50;%将灰度图转化为二值图

15、像，double产生0-255的灰度值 if l=1 %第一位汉字识别 kmin=37; kmax=46;%模板中汉字所在的位置 elseif l=2 %第二位字母识别 kmin=11; kmax=36;%A-Z字母位置 else l=3 %第三位后字母或数字识别 kmin=1; kmax=36; end for k2=kmin:kmax fname=strcat(字符模板,liccode(k2),.jpg); SamBw2=imread(fname); SamBw2=double(SamBw2)50;%将模板转换为二值图，double产生0-255的灰度值 for i=1:40 for j=

16、1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end %相当于两幅图相减得第三幅图 Dmax=0; for k1=1:40 for l1=1:20 if abs(SubBw2(k1,l1)0 Dmax=Dmax+1; end end end Error(k2)=Dmax; end Error1=Error(kmin:kmax);%模板对应的字符模板进行匹配选择 MinError=min(Error1); findc=find(Error1=MinError); Code(l*2-1)=liccode(findc(1)+kmin-1); Code(l

17、*2)= ; l=l+1;endmsgbox(Code,识别结果)function word,result=getword(d) %定义分割字符用函数（1）word=;flag=0;y1=8;y2=0.5;while flag=0 m,n=size(d); wide=0; while sum(d(:,wide+1)=0 & wide=n-2 wide=wide+1; end temp=imcrop(d,1 1 wide m);%用于返回图像的一个裁剪区域 m1,n1=size(temp); z=sum(temp,2);count=0; for i=1:m1 if z(i)=0 count=co

18、unt+1; end end if countm/3 d(:,1,wide)=0; d=qiege(d); else temp=qiege(imcrop(d,1 1 wide m);%用于返回图像的一个裁剪区域 m1,n1=size(temp); if widey2 %宽度过小，或长大于宽的两倍 d(:,1,wide)=0; if sum(sum(d)=0 %d中所有元素之和 d=qiege(d);%切割出最小范围 else word=;flag=1; end else word=qiege(imcrop(d,1 1 wide m);%划分出的temp进行切割 d(:,1:wide)=0;%切

19、割完后该区域变为黑色 if sum(sum(d)=0 d=qiege(d);flag=1; else d=; end end endendresult=d;function e=qiege(d) %定义分割字符用函数（2）m,n=size(d);top=1;bottom=m;left=1;right=n; %intewhile sum(d(top,:)=0 & top=1 bottom=bottom-1;endwhile sum(d(:,left)=0 & left=1 right=right-1;enddd=right-left;hh=bottom-top;e=imcrop(d,left top dd hh);/字符实别需要字符图库，没有对照图库是识别不了的专心-专注-专业