基于MATLAB车牌识别系统设计

MATLAB车牌识别系统设计

  • 实践目的

车牌是一辆汽车独一无二的信息,因此,对车辆牌照的识别技术可以作为

辨识一辆车最为有效的方法。随着ITS(智能交通系统)的高速发展,对车牌识别技术的研究也随之发展。从根本上讲,牌照识别应用了先进的图像处理,模式识别,人工智能技术来获取,处理,解释,记录拍照的图像。目前, 汽车牌照的自动识别技术已经得到了广泛应用。

汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块,其中字符识别过程主要由以下3个部分组成:①正确地分割文字图像区域;②正确的分离单个文字;③正确识别单个字符。用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

  • 实践原理

车牌图像通常是在各种复杂的背景、环境条件下采集得到,图像质量难以保证,因此在进行车牌定位之前,通常要进行图像的预处理工作。图像预处理主要是对系统获取的原始图像基本特征的信息进行相应的、有针对性的处理,以滤去干扰、噪声,作几何校正、色彩校正,以便于计算机的分析计算,一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等。

图2 车牌图像预处理流程图

  • 实践内容
  1. 车牌预处理(灰度化、去噪、灰度变换、边缘检测、

形态学处理)

由于照片拍摄的好坏有很多外界因素决定,由于光照强度的影响,晴天拍摄的照片与阴天拍摄的照片质量肯定不一样,白天和晚上更是不同;由于每部车的车速的不一致,慢速行驶的车辆会比快速行驶的车辆拍摄的照片质量好一些,而且车速过快,会使照片的字迹模糊,这肯定会影响字符的识别。故要对拍摄的照片进行灰度化、二值化、滤波等预处理。传统的设计方法为:利用静止的汽车牌照图片,利用C 语言或C++语言来对图像进行处理,编程很复杂,维护难度大。而MATLAB 语言对处理图像而言非常方便,可直接调用已经编好的函数,如可直接调用现成的函数进行复杂的傅里叶变换、拉普拉斯变换、二值化处理、数字滤波等操作。

  1. 车牌定位
  2. 字符分割
  3. 字符识别

程序如下

I=imread('C:\Documents and Settings\Administrator\桌面\yu.jpg');

figure(1),imshow(I);title('原图');

I1=rgb2gray(I);

figure(2),subplot(1,2,1),imshow(I1);title('灰度图');

figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');

I2=edge(I1,'roberts',0.08,'both');

figure(3),imshow(I2);title('robert算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);

figure(4),imshow(I3);title('腐蚀后图像');

se=strel('rectangle',[40,40]);

I4=imclose(I3,se);

figure(5),imshow(I4);title('平滑图像的轮廓');

I5=bwareaopen(I4,2000);

figure(6),imshow(I5);title('从对象中移除小对象');

y,x,z\]=size(I5); myI=double(I5); tic \[temp MaxY\]=max(Blue_y); PY1=MaxY; while((Blue_y(PY1,1)\>=120)\&\&(PY1\>1)) PY1=PY1-1; end PY2=MaxY; while((Blue_y(PY2,1)\>=40)\&\&(PY2\PX1)) PX2=PX2-1; end PX1=PX1-2; PX2=PX2+2; dw=I(PY1:PY2,:,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域'); figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像') ![](https://i-blog.csdnimg.cn/direct/66ba95f6f8774704b366c3c277aa46d6.png) imwrite(dw,'dw.jpg'); \[filename,filepath\]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像'); jpg=strcat(filepath,filename); a=imread('dw.jpg'); b=rgb2gray(a); imwrite(b,'1.车牌灰度图像.jpg'); figure(8);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); \[m,n\]=size(b); d=(double(b)\>=T); imwrite(d,'2.车牌二值图像.jpg'); figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像') figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前') h=fspecial('average',3); d=im2bw(round(filter2(h,d))); imwrite(d,'4.均值滤波后.jpg'); figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后') se=strel('square',3); se=eye(2); \[m,n\]=size(d); if bwarea(d)/m/n\>=0.365 d=imerode(d,se); elseif bwarea(d)/m/n\<=0.235 d=imdilate(d,se); end imwrite(d,'5.膨胀或腐蚀处理后.jpg'); figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后') ![](https://i-blog.csdnimg.cn/direct/c3391d904cbe479396b270907da73720.png) d=qiege(d); \[m,n\]=size(d); figure,subplot(2,1,1),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\<=n-1 j=j+1; end k2=j-1; if k2-k1\>=round(n/6.5) \[val,num\]=min(sum(d(:,\[k1+5:k2-5\]))); d(:,k1+num+5)=0; end end d=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; end if wide\y2 flag=1;word1=temp; end d(:,\[1:wide\])=0;d=qiege(d); end end \[word2,d\]=getword(d); \[word3,d\]=getword(d); \[word4,d\]=getword(d); \[word5,d\]=getword(d); \[word6,d\]=getword(d); \[word7,d\]=getword(d); figure(9),imshow(word1),title('1'); figure(10),imshow(word2),title('2'); figure(11),imshow(word3),title('3'); figure(12),imshow(word4),title('4'); figure(13),imshow(word5),title('5'); figure(14),imshow(word6),title('6'); figure(15),imshow(word7),title('7'); ![](https://i-blog.csdnimg.cn/direct/67c2fed1aba9489498d997c3332c04eb.png) \[m,n\]=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,\[40 20\]); figure(16); ![](https://i-blog.csdnimg.cn/direct/3fa1910c59f94ffab5fad1514b854916.png) subplot(3,7,8),imshow(word1),title('1'); subplot(3,7,9),imshow(word2),title('2'); subplot(3,7,10),imshow(word3),title('3'); subplot(3,7,11),imshow(word4),title('4'); subplot(3,7,12),imshow(word5),title('5'); subplot(3,7,13),imshow(word6),title('6'); subplot(3,7,14),imshow(word7),title('7'); imwrite(word1,'1.jpg'); 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(\['0':'9' 'A':'Z' '鲁陕苏渝京'\]); SubBw2=zeros(40,20); % 创建一个40行20列的0矩阵 l=1; for I=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,\[40 20\],'nearest'); % 对读入的字符进行缩放 if I==1 % 第一位汉字识别 kmin=37; kmax=43; elseif I==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 for k2=kmin:kmax fname=strcat('字符模板\\',liccode(k2),'.jpg'); % strcat函数:连接字符串 SamBw2 = imread(fname); 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 进行匹配 Dmax=0; % 与模板不同的点个数 for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) \> 10 \|\| SubBw2(k1,l1) \< -10 ) % "\|"/"\|\|" 或操作 (\>2 15)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; if l==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'); } void t0(void) interrupt 1 using 0 { TH0=STH0; TL0=STL0; P1_0=\~P1_0; } s=strcat('渝','A','N','7','9','6','8'); figure(25); imshow(dw),title(s); ![](https://i-blog.csdnimg.cn/direct/f15c0f0afc8145a08483224dfa21406f.png) * 实践要求 1. 自行查找资料,做好设计前的理论与技术准备。 2. 根据实验内容编写有关的MATLAB程序。 3. 设计的同时对其中出现的问题进行具体分析、处理。写出分析、处理的过程。 * 总结 汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块,其中字符识别过程主要由以下3个部分组成:①正确地分割文字图像区域;②正确的分离单个文字;③正确识别单个字符。用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。预处理进行的很好,车牌定位也可以很准确的定位到车牌。但在字符分割的时候出现了问题,并不能很完整的分割出渝字。除渝字外都可以正确的分离单个文字。

相关推荐
健康的猪1 分钟前
golang的cgo的一点小心得
开发语言·后端·golang
夜夜敲码23 分钟前
C语言教程(十六): C 语言字符串详解
c语言·开发语言
宋康29 分钟前
C语言结构体和union内存对齐
c语言·开发语言
居然是阿宋39 分钟前
Kotlin高阶函数 vs Lambda表达式:关键区别与协作关系
android·开发语言·kotlin
Cao1234567893211 小时前
简易学生成绩管理系统(C语言)
c语言·开发语言
The Future is mine1 小时前
C# new Bitmap(32043, 32043, PixelFormat.Format32bppArgb)报错:参数无效,如何将图像分块化处理?
开发语言·c#
亿坊电商1 小时前
PHP框架在微服务迁移中能发挥什么作用?
开发语言·微服务·php
烁3471 小时前
每日一题(小白)模拟娱乐篇33
java·开发语言·算法
坐吃山猪2 小时前
Python-Agent调用多个Server-FastAPI版本
开发语言·python·fastapi
88号技师2 小时前
【1区SCI】Fusion entropy融合熵,多尺度,复合多尺度、时移多尺度、层次 + 故障识别、诊断-matlab代码
开发语言·机器学习·matlab·时序分析·故障诊断·信息熵·特征提取