matlab车牌识别例子好好看看提取字符部分.docx
- 文档编号:30155456
- 上传时间:2023-08-05
- 格式:DOCX
- 页数:27
- 大小:204.32KB
matlab车牌识别例子好好看看提取字符部分.docx
《matlab车牌识别例子好好看看提取字符部分.docx》由会员分享,可在线阅读,更多相关《matlab车牌识别例子好好看看提取字符部分.docx(27页珍藏版)》请在冰豆网上搜索。
matlab车牌识别例子好好看看提取字符部分
图像分割、边缘检测(车牌识别)
例子一
yes"lang=EN-US> xml: namespaceprefix=vns="urn: schemas-microsoft-com: vml"/> shapestyle="WIDTH: 401.25pt;HEIGHT: 372pt;VISIBILITY: visible;mso-wrap-style: square"id=图片_x0020_10type="#_x0000_t75"o: spid="_x0000_i1025"> imagedatao: title=""src="file: ///C: \DOCUME~1\ADMINI~1\LOCALS~1\Temp\msohtmlclip1\01\clip_image007.png"> 0cm0cm0pt"class=MsoNormal> yes"lang=EN-US> shapestyle="WIDTH: 401.25pt;HEIGHT: 372pt;VISIBILITY: visible;mso-wrap-style: square"id=图片_x0020_10type="#_x0000_t75"o: spid="_x0000_i1025"> imagedatao: title=""src="file: ///C: \DOCUME~1\ADMINI~1\LOCALS~1\Temp\msohtmlclip1\01\clip_image007.png"> imagedata> shape> Matlab代码 %function[d]=main() closeall clc%清空命令窗口的所有输入和输出,类似于清屏 %自动弹出提示框读入图像 [filename,filepath]=uigetfile('.jpg','输入一个需要识别的车牌图像');%直接自动读入% file=strcat(filepath,filename);%strcat函数: 连接字符串;把filepath的字符串与filename的连接,即路径/文件名 I=imread(file); figure('name','原图'),imshow(I);title('原图') %图像增强 %h=ones(5,5)/25;%过滤器h %I=imfilter(I,h);%真彩色增强 %figure('name','真彩色增强');imshow(I);title('真彩色增强'); I1=rgb2gray(I);%RGB图像转灰度图像 figure('name','灰度处理前'),subplot(1,2,1),imshow(I1);title('灰度处理前的灰度图'); subplot(1,2,2),imhist(I1);title('灰度处理前的灰度图直方图'); %线性灰度变换 I1=imadjust(I1,[0.3,0.7],[]); figure('name','灰度处理后'),subplot(1,2,1),imshow(I1);title('灰度处理后的灰度图'); subplot(1,2,2),imhist(I1);title('灰度处理后的灰度图直方图'); %进行中值滤波 I1=medfilt2(I1); figure,imshow(I1);title('中值滤波'); %边缘检测: sobel,roberts,canny,prewitt等 I2=edge(I1,'roberts',0.25,'both');%边缘检测算法,强度小于阈值0.15的边缘被省略掉,'both'两个方向检测(缺省默认) figure('name','边缘检测'),imshow(I2);title('robert算子边缘检测') se=[1;1;1]; I3=imerode(I2,se);%腐蚀Imerode(X,SE).其中X是待处理的图像,SE是结构元素对象 figure('name','腐蚀后图像'),imshow(I3);title('腐蚀后的图像'); se=strel('rectangle',[20,20]);%25X25的矩形strel I4=imclose(I3,se);%用25*25的矩形对图像进行闭运算(先膨胀后腐蚀)有平滑边界作用 figure('name','平滑处理'),imshow(I4);title('平滑图像的轮廓'); I5=bwareaopen(I4,1000);%从二进制图像中移除所有少于2000像素的连接对象,消失的是连续的白色像素数量少于2000的字符 figure('name','移除小对象'),imshow(I5);title('从对象中移除小对象'); [y,x,z]=size(I5);%y是行数,x是列数,z是维数 myI=double(I5);%转成双精度型 tic%开始计时 Blue_y=zeros(y,1);%zeros(M,N)表示的是M行*N列的全0矩阵 fori=1: y forj=1: x if(myI(i,j,1)==1)%%判断蓝色像素 Blue_y(i,1)=Blue_y(i,1)+1;%蓝色像素点统计 end end end [tempMaxY]=max(Blue_y);%Y方向车牌区域确定[tempMaxY]临时变量MaxY PY1=MaxY;%以下为找车牌Y方向最小值 while((Blue_y(PY1,1)>=5)&&(PY1>1))%%为什么判断蓝色像素点>=5(才算蓝色) PY1=PY1-1; end PY2=MaxY;%以下为找车牌Y方向最大值难道最大值不是MaxY while((Blue_y(PY2,1)>=5)&&(PY2 PY2=PY2+1; end %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%只需扫描的行 if(myI(i,j,1)==1)%%判断蓝色像素 Blue_x(1,j)=Blue_x(1,j)+1;%蓝色像素点统计 end end end PX1=1;%以下为找车牌X方向最小值 while((Blue_x(1,PX1)<3)&&(PX1 ) PX1=PX1+1; end PX2=x;%以下为找车牌X方向最大值 while((Blue_x(1,PX2)<3)&&(PX2>PX1)) PX2=PX2-1; end PY1=PY1-2;%对车牌区域的校正为什么要这么+- PX1=PX1-2; PX2=PX2+3; PY2=PY2+10; dw=I(PY1: PY2-8,PX1: PX2,: );%裁剪图像 toc%t=toc;%停止计时 %figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域'); figure('name','定位剪切后的彩色车牌图像'),%subplot(1,2,2), imshow(dw),title('定位剪切后的彩色车牌图像') imwrite(dw,'dw.jpg'); %直接自动读入%[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像'); %jpg=strcat(filepath,filename);%strcat函数: 连接字符串;把filepath的字符串与filename的连接,即路径/文件名 a=imread('dw.jpg'); b=rgb2gray(a); imwrite(b,'1.车牌灰度图像.jpg'); figure('name','车牌处理');subplot(3,2,1),imshow(b),title('1.车牌灰度图像') %g_max=double(max(max(b)));%以下作阈值化(灰度图转二值图) %g_min=double(min(min(b)));%max(a)求的每列的最大值,是一维数据;max(max(a))是求这一维数据的最大值。 %T=round(g_max-(g_max-g_min)/2);%T为二值化的阈值round: 取整为最近的整数 %[m,n]=size(b);%m: b的行向量数n: b的列向量数 %d=(double(b)>=T);%d: 二值图像 %imwrite(d,'2.车牌二值图像.jpg'); %线性灰度变换 b=imadjust(b,[0.3,0.7],[]); subplot(3,2,2),imshow(b);title('2.线性灰度处理后的灰度图'); %进行二值化处理 d=im2bw(b,0.4);%将灰度图像进行二值化处理 imwrite(d,'2.车牌二值图像.jpg'); subplot(3,2,3),imshow(d),title('3.车牌二值图像');%显示二值化图像 %进行中值滤波 d=medfilt2(d); imwrite(d,'4.均值滤波后.jpg'); subplot(3,2,4),imshow(d);title('4.中值滤波后'); %均值滤波 %h=fspecial('average',3); %d=im2bw(round(filter2(h,d)));%滤波后,im2bw(): 将图像转成二值图像(可以不用round函数也是一样的) %imwrite(d,'4.均值滤波后.jpg'); %subplot(3,2,4),imshow(d),title('4.均值滤波后') %某些图像进行操作 %膨胀或腐蚀感觉没什么效果咧 %se=strel('square',3);%使用一个3X3的正方形结果元素对象对创建的图像进行膨胀 %'line'/'diamond'/'ball'/'square'/'dish'...线/菱形/球/正方形/圆 se=eye (2);%eye(n)返回n乘n单一矩阵;单位矩阵 [m,n]=size(d); ifbwarea(d)/m/n>=0.365%函数bwarea计算目标物的面积,单位是像素;bwarea/m/n即为单个像素? ? d=imerode(d,se);%腐蚀 elseifbwarea(d)/m/n<=0.235 d=imdilate(d,se);%膨胀 end imopen(d,se); %se=eye(7); %imopen(d,se); imwrite(d,'5.膨胀或腐蚀处理后.jpg'); 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);%调用qiege()子程序 [m,n]=size(d); figure,subplot(2,1,1),imshow(d),title(n) %k1=1;k2=1; j=1; s=sum(d);%sum(x)就是竖向相加,求每列的和,结果是行向量;sum(x,2)表示矩阵x的横向相加,求每行的和,结果是列向量。 sum(X(: ))表示矩阵求和 whilej~=n%%%%%什么原理 whiles(j)==0%%无文字为什么 j=j+1; end k1=j; whiles(j)~=0&&j<=n-1 j=j+1; end k2=j-1; ifk2-k1>=round(n/6.5) [val,num]=min(sum(d(: [k1+5: k2-5]))); d(: k1+num+5)=0;%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%flag为自定义,以便标记循环用 [m,n]=size(d); %left=1; wide=0; whilesum(d(: wide+1))~=0%二值图像: 黑色像素代表感兴趣的对象而白色像素代表背景。 逻辑矩阵只包括0(显示为黑色)和1(显示为白色) wide=wide+1;%? wide的意义? end ifwide d(: [1: wide])=0;%将白色汉字前的白色弄成黑色 %figure,imshow(d); d=qiege(d);%处理干扰后再次调用切割子程序 else temp=qiege(imcrop(d,[11widem]));%imcrop函数截取图像[xminyminwidthheight] [m,n]=size(temp); all=sum(sum(temp)); two_thirds=sum(sum(temp([round(m/3): 2*round(m/3)],: ))); iftwo_thirds/all>y2%? ? 什么意思? ? flag=1;word1=temp;%第一个字符 end d(: [1: wide])=0;d=qiege(d);%? 为什么又处理一次? end end %分割出第二个字符 [word2,d]=getword(d); %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); %商用系统程序中归一化大小为40*20,此处演示 word1=imresize(word1,[4020]);%imresize对图像做缩放处理,常用调用格式为: B=imresize(A,ntimes,method);其中method可选nearest,bilinear(双线性),bicubic,box,lanczors2,lanczors3等 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('11'); subplot(5,7,16),imshow(word2),title('22'); subplot(5,7,17),imshow(word3),title('33'); subplot(5,7,18),imshow(word4),title('44'); subplot(5,7,19),imshow(word5),title('55'); subplot(5,7,20),imshow(word6),title('66'); subplot(5,7,21),imshow(word7),title('77'); imwrite(word1,'1.jpg');%创建七位车牌字符图像 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''京辽桂陕苏渝浙']);%建立自动识别字符代码表;'京津沪渝港澳吉辽鲁豫冀鄂湘晋青皖苏赣浙闽粤琼台陕甘云川贵黑藏蒙桂新宁' %编号: 0-9分别为1-10;A-Z分别为11-36; %京津沪渝港澳吉辽鲁豫冀鄂湘晋青皖苏 %赣浙闽粤琼台陕甘云川贵黑藏蒙桂新宁 %3738394041424344454647484950515253545556575859 %6061626364656667686970 SubBw2=zeros(40,20);%创建一个40行20列的0矩阵 l=1; forI=1: 7 ii=int2str(I);%将整型数据转换为字符串型数据 t=imread([ii,'.jpg']);%依次读入七位车牌字符 SegBw2=imresize(t,[4020],'nearest');%对读入的字符进行缩放 ifI==1%第一位汉字识别 kmin=37; kmax=43; elseifI==2%第二位A~Z字母识别 kmin=11; kmax=36; else%第三位以后是字母或数字识别;即I>=3 kmin=1; kmax=36; end fork2=kmin: kmax fname=strcat('字符模板\',liccode(k2),'.jpg');%strcat函数: 连接字符串 SamBw2=imread(fname); fori=1: 40 forj=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进行匹配 Dmax=0;%与模板不同的点个数 fork1=1: 40 forl1=1: 20 if(SubBw2(k1,l1)>10||SubBw2(k1,l1)<-10)%"|"/"||"或操作(>215)20以上无区别 Dmax=Dmax+1; end end end Error(k2)=Dmax;%记录下字符与模板k2不同的点个数 end Error1=Error(kmin: kmax); MinError=min(Error1);%差别最小的 findc=find(Error1==MinError);%找出差别最小的模板 Code(l)=liccode(findc (1)+kmin-1);%此处用2*l-1且后面的2*l='',第隔一空格输出一个字符 Code(3)='';Code(4)=''; l=l+1; ifl==3;%后五位与前两位字符隔开 l=l+2; end end figure(10),subplot(5,7,1: 7),imshow(dw),title('第一步: 车牌定位'), xlabel({'第二步: 车牌分割'});%'', subplot(6,7,15),imshow(word1); subplot(6,7,16),imshow(word2); subplot(6,7,17),imshow(word3); subplot(6,7,18),imshow(word4); subplot(6,7,19),imshow(word5); subplot(6,7,20),imshow(word6); subplot(6,7,21),imshow(word7); subplot(6,7,22: 42),imshow('dw.jpg');% xlabel(['第三步: 识别结果为: ',Code],'Color','b'); 图片: 我做的是神经网络车牌识别,我用自己的程序可以识别两块车牌,但是当识别别的车牌时候却一直报错。 我两块车牌一块640*480可以识别,另一块就不能识别。 报错内容如下求大神指点该怎么改! : AttemptedtoaccessX1(1,405);indexoutofboundsbecausesize(X1)=[1,404]. Errorin==>main1at120while((X1(1,Px0)<5)&&(Px0 %%了去除不是字符的部分,例如: 代码二: %%%%选择车牌图片%%%% [filename,pathname]=uigetfile({'*.jpg';'*.bmp';'*.gif'},'选择图片'); str=[pathnamefilename]; I=imread(str);%将选择的图片读取,并赋于I figure (1),subplot(3,2,1),imshow(I);title('原始图像'); I1=rgb2gray(I);%转化为灰度图像 figure (1),subplot(3,2,2),imshow(I1),title('灰度图像'); I2=edge(I1,'roberts',0.09,'both');%采用robert算子进行边缘检测 figure (1),subplot(3,2,3),imshow(I2),title('边缘检测后图像'); se=[1;1;1];%线型结构元素 I3=imerode(I2,se);%腐蚀图像 figure (1),subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]);%矩形结构元素 I4=imclose(I3,se);%图像聚类、填充图像 figure (1),subplot(3,2,5),imshow(I4),title('填充后图像'); I5=bwareaopen(I4,2000);%去除聚团灰度值
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- matlab 车牌 识别 例子 好好 看看 提取 字符 部分