车牌识别的matlab程序

更新时间:2023-11-23 10:26:01 阅读量: 教育文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

附录

车牌识别程序

clear ; close all;

%Step1 获取图像 装入待处理彩色图像并显示原始图像 Scolor = imread('3.jpg');%imread函数读取图像文件 %将彩色图像转换为黑白并显示

Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图

figure,imshow(Scolor),title('原始彩色图像');%figure命令同时显示两幅图 figure,imshow(Sgray),title('原始黑白图像');

%Step2 图像预处理 对Sgray 原始黑白图像进行开操作得到图像背景 s=strel('disk',13);%strel函数

Bgray=imopen(Sgray,s);%打开sgray s图像

figure,imshow(Bgray);title('背景图像');%输出背景图像 %用原始图像与背景图像作减法,增强图像 Egray=imsubtract(Sgray,Bgray);%两幅图相减

figure,imshow(Egray);title('增强黑白图像');%输出黑白图像 %Step3 取得最佳阈值,将图像二值化

fmax1=double(max(max(Egray)));%egray的最大值并输出双精度型 fmin1=double(min(min(Egray)));%egray的最小值并输出双精度型 level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值 bw22=im2bw(Egray,level);%转换图像为二进制图像 bw2=double(bw22);

%Step4 对得到二值图像作开闭操作进行滤波 figure,imshow(bw2);title('图像二值化');%得到二值图像 grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界 figure,imshow(grd);title('图像边缘提取');%输出图像边缘 bg1=imclose(grd,strel('rectangle',[5,19]));%取矩形框的闭运算 figure,imshow(bg1);title('图像闭运算[5,19]');%输出闭运算的图像 bg3=imopen(bg1,strel('rectangle',[5,19]));%取矩形框的开运算 figure,imshow(bg3);title('图像开运算[5,19]');%输出开运算的图像 bg2=imopen(bg3,strel('rectangle',[19,1]));%取矩形框的开运算

figure,imshow(bg2);title('图像开运算[19,1]');%输出开运算的图像 %Step5 对二值图像进行区域提取,并计算区域特征参数。进行区域特征参数比较,提取车牌区域

[L,num] = bwlabel(bg2,8);%标注二进制图像中已连接的部分 Feastats = imfeature(L,'basic');%计算图像区域的特征尺寸 Area=[Feastats.Area];%区域面积

BoundingBox=[Feastats.BoundingBox];%[x y width height]车牌框架大小 RGB = label2rgb(L, 'spring', 'k', 'shuffle'); %标志图像向RGB图像转换 figure,imshow(RGB);title('图像彩色标记');%输出框架的彩色图像 lx=0; for l=1:num

width=BoundingBox((l-1)*4+3);%框架宽度的计算 hight=BoundingBox((l-1)*4+4);%框架高度的计算

if (width>98 & width<160 & hight>25 & hight<50)%框架的宽度和高度的范围

lx=lx+1; Getok(lx)=l; end end for k= 1:lx

l=Getok(k);

startcol=BoundingBox((l-1)*4+1)-2;%开始列 startrow=BoundingBox((l-1)*4+2)-2;%开始行 width=BoundingBox((l-1)*4+3)+8;%车牌宽 hight=BoundingBox((l-1)*4+4)+2;%车牌高 rato=width/hight;%计算车牌长宽比 if rato>2 & rato<4 break; end end

sbw1=bw2(startrow:startrow+hight,startcol:startcol+width-1); %获取车牌二值子图

subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%获取车牌灰度子图

figure,subplot(2,1,1),imshow(subcol1);title('车牌灰度子图');%输出灰度图 subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出车牌的二值图 %Step6 计算车牌水平投影,并对水平投影进行峰谷分析 histcol1=sum(sbw1); %计算垂直投影 histrow=sum(sbw1'); %计算水平投影

figure,subplot(2,1,1),bar(histcol1);title('垂直投影(含边框)');%输出垂直投影

subplot(2,1,2),bar(histrow); title('水平投影(含边框)');%输出水平投影 figure,subplot(2,1,1),bar(histrow); title('水平投影(含边框)');%输出水平投影

subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图 %对水平投影进行峰谷分析

meanrow=mean(histrow);%求水平投影的平均值 minrow=min(histrow);%求水平投影的最小值

levelrow=(meanrow+minrow)/2;%求水平投影的平均值 count1=0; l=1; for k=1:hight

if histrow(k)<=levelrow count1=count1+1; else

if count1>=1

markrow(l)=k;%上升点

markrow1(l)=count1;%谷宽度(下降点至下一个上升点) l=l+1; end count1=0; end end

markrow2=diff(markrow);%峰距离(上升点至下一个上升点) [m1,n1]=size(markrow2); n1=n1+1; markrow(l)=hight; markrow1(l)=count1;

markrow2(n1)=markrow(l)-markrow(l-1); l=0; for k=1:n1

markrow3(k)=markrow(k+1)-markrow1(k+1);%下降点

markrow4(k)=markrow3(k)-markrow(k);%峰宽度(上升点至下降点) markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置

end

%Step7 计算车牌旋转角度

%(1)在上升点至下降点找第一个为1的点 [m2,n2]=size(sbw1);%sbw1的图像大小 [m1,n1]=size(markrow4);%markrow4的大小 maxw=max(markrow4);%最大宽度为字符 if markrow4(1) ~= maxw%检测上边 ysite=1; k1=1; for l=1:n2

for k=1:markrow3(ysite)%从顶边至第一个峰下降点扫描 if sbw1(k,l)==1 xdata(k1)=l; ydata(k1)=k; k1=k1+1; break; end end end else %检测下边 ysite=n1;

if markrow4(n1) ==0

if markrow4(n1-1) ==maxw ysite= 0; %无下边 else

ysite= n1-1; end

end if ysite ~=0 k1=1; for l=1:n2 k=m2;

while k>=markrow(ysite) %从底边至最后一个峰的上升点扫描 if sbw1(k,l)==1 xdata(k1)=l; ydata(k1)=k; k1=k1+1; break; end k=k-1; end end end end

%(2)线性拟合,计算与x夹角

fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2 p1=fresult.p1;

angle=atan(fresult.p1)*180/pi; %弧度换为度,360/2pi, pi=3.14 %(3)旋转车牌图象

subcol = imrotate(subcol1,angle,'bilinear','crop'); %旋转车牌图象 sbw = imrotate(sbw1,angle,'bilinear','crop');%旋转图像

figure,subplot(2,1,1),imshow(subcol);title('车牌灰度子图');%输出车牌旋转后的灰度图像标题显示车牌灰度子图

subplot(2,1,2),imshow(sbw);title('');%输出车牌旋转后的灰度图像 title(['车牌旋转角: ',num2str(angle),'度'] ,'Color','r');%显示车牌的旋转角度 %Step8 旋转车牌后重新计算车牌水平投影,去掉车牌水平边框,获取字符高度

histcol1=sum(sbw); %计算垂直投影 histrow=sum(sbw'); %计算水平投影

figure,subplot(2,1,1),bar(histcol1);title('垂直投影(旋转后)'); subplot(2,1,2),bar(histrow); title('水平投影(旋转后)');

figure,subplot(2,1,1),bar(histrow); title('水平投影(旋转后)'); subplot(2,1,2),imshow(sbw);title('车牌二值子图(旋转后)'); %去水平(上下)边框,获取字符高度 maxhight=max(markrow2); findc=find(markrow2==maxhight); rowtop=markrow(findc);

rowbot=markrow(findc+1)-markrow1(findc+1);

sbw2=sbw(rowtop:rowbot,:); %子图为(rowbot-rowtop+1)行 maxhight=rowbot-rowtop+1; %字符高度(rowbot-rowtop+1)

%Step9 计算车牌垂直投影,去掉车牌垂直边框,获取车牌及字符平均宽度

histcol=sum(sbw2); %计算垂直投影

figure,subplot(2,1,1),bar(histcol);title('垂直投影(去水平边框后)');%输出车牌的垂直投影图像

subplot(2,1,2),imshow(sbw2); %输出垂直投影图像

title(['车牌字符高度: ',int2str(maxhight)],'Color','r');%输出车牌字符高度 %对垂直投影进行峰谷分析

meancol=mean(histcol);%求垂直投影的平均值 mincol=min(histcol);%求垂直投影的平均值 levelcol=(meancol+mincol)/4;%求垂直投影的1/4 count1=0; l=1; for k=1:width

if histcol(k)<=levelcol count1=count1+1; else

if count1>=1

markcol(l)=k; %字符上升点

markcol1(l)=count1; %谷宽度(下降点至下一个上升点) l=l+1; end count1=0; end end

markcol2=diff(markcol);%字符距离(上升点至下一个上升点) [m1,n1]=size(markcol2); n1=n1+1; markcol(l)=width; markcol1(l)=count1;

markcol2(n1)=markcol(l)-markcol(l-1);

%Step10 计算车牌上每个字符中心位置,计算最大字符宽度maxwidth l=0; for k=1:n1

markcol3(k)=markcol(k+1)-markcol1(k+1);%字符下降点

markcol4(k)=markcol3(k)-markcol(k); %字符宽度(上升点至下降点) markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2));%字符中心位置

end

markcol6=diff(markcol5); %字符中心距离(字符中心点至下一个字符中心点)

maxs=max(markcol6); %查找最大值,即为第二字符与第三字符中心距离 findmax=find(markcol6==maxs); markcol6(findmax)=0;

maxwidth=max(markcol6);%查找最大值,即为最大字符宽度 %Step11 提取分割字符,并变换为22行?14列标准子图 l=1;

[m2,n2]=size(subcol); figure;

for k=findmax-1:findmax+5

cleft=markcol5(k)-maxwidth/2; cright=markcol5(k)+maxwidth/2-2; if cleft<1 cleft=1;

cright=maxwidth; end if cright>n2 cright=n2; cleft=n2-maxwidth;

end

SegGray=sbw(rowtop:rowbot,cleft:cright); SegBw1=sbw(rowtop:rowbot,cleft:cright);

SegBw2 = imresize(SegBw1,[22 14]);%变换为22行?14列标准子图

subplot(2,n1,l),imshow(SegGray); if l==7

title(['车牌字符宽度: ',int2str(maxwidth)],'Color','r'); end

subplot(2,n1,n1+l),imshow(SegBw2); fname=strcat('c:\\work\\sam\\image',int2str(k),'.jpg'); imwrite(SegBw2,fname,'jpg') l=l+1; end

%Step12 将计算计算获取的字符图像与样本库进行匹配,自动识别出字符代码。

liccode=char(['0':'9' 'A':'Z' '粤桂海云贵川京津沪']); %建立自动识别字符代码表

SubBw2=zeros(22,14); l=1;

[m2,n2]=size(sbw); for k=findmax-1:findmax+5

cleft=markcol5(k)-maxwidth/2; cright=markcol5(k)+maxwidth/2-2; if cleft<1 cleft=1;

cright=maxwidth; end if cright>n2 cright=n2;

cleft=n2-maxwidth; end

SegBw1=sbw(rowtop:rowbot,cleft:cright);

SegBw2 = imresize(SegBw1,[22 14]);%变换为22行?14列标准子图

if l==1 %第一位汉字识别 kmin=37; kmax=45;

elseif l==2 %第二位 A~Z 字母识别 kmin=11; kmax=36;

elseif l>=3 & l<=5 %第三、四位 0~9 A~Z字母和数字识别

kmin=1; kmax=36;

else %第五~七位 0~9 数字识别 kmin=1; kmax=10; end

for k2=kmin:kmax

fname=strcat('H:\\work\\sam\\Sam',liccode(k2),'.jpg'); SamBw2 = imread(fname); for i=1:22 for j=1:14

SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end

end %SubBw2 = SamBw2-SegBw2; Dmax=0; for k1=1:22 for l1=1:14

if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 ) Dmax=Dmax+1; end end end

Error(k2)=Dmax; end

Error1=Error(kmin:kmax);%比较误差 MinError=min(Error1);%取误差的最小值

findc=find(Error1==MinError);%查找最小误差的图像 RegCode(l*2-1)=liccode(findc(1)+kmin-1); RegCode(l*2)=' ';%输出最小误差图像 l=l+1; end

title (['识别车牌号码:', RegCode],'Color','r');

本文来源:https://www.bwwdw.com/article/byct.html

Top