基于MATLAB的汽车牌照识别.pptVIP

基于MATLAB的车牌识别 李家煜 2019年6月15日 河南科技大学生医161 目录 CONTENTS 数据载入及预处理 车牌定位 字符提取 01 02 03 04 存在的不足 01 数据载入及预处理 one 数据载入及预处理 1.图像数据载入 使用uigetfile函数从计算机中读取含有要识别的图像 uigetfile函数的调用格式为：[filename,filepath]=uigetfile(…)，执行此函数可得到供用户选择图片文件的对话框，用户选择要识别的图片并点击“打开”按钮后，会返回此图片的文件名和路径名，分别保存到filename和pathname两个变量中 Imread函数将图像读出 2.图像转换 使用rgb2gray函数将彩色图转换为灰度图以进一步处理图片,可使用imhist函数画出该灰度图的灰度值分布直方图 one 数据载入及预处理 02 车牌定位 two 车牌定位 边缘检测 腐蚀处理 平滑处理及移除小目标 定位裁剪 车牌定位 two 1.边缘检测 在将彩色图转换为灰度图后，用edge函数识别该图像的边界，edge函数通过使用一阶导数和二阶导数检测亮度的不连续来确定图像的边界，它可以使用Sobel ,Prewitt,Roberts,Canny,LoG,零交叉等多种算子，在此使用最强大的Canny算子进行边缘检测。 车牌定位 two I2=edge(I1,‘canny’,0.08,‘both’); subplot(2,2,4),imshow(I2);title(canny算子边缘检测) 代码： 车牌定位 two 2.腐蚀处理 由于边缘检测后的图像中无关结构太多，需对图像进行腐蚀处理，实现腐蚀处理的函数为imerode。 代码： se=[1;1;1];%线型结构元素 I3=imerode(I2,se); 车牌定位 two 3.平滑及移除小对象 腐蚀后的图像结构大多呈分散状分布，不连贯。为了方便之后确认车牌位置，需对该图像进行平滑处理，使用闭运算使车牌平滑，并减小噪音。 代码： I4=imclose(I3,se); %闭运算 车牌定位 two 3.平滑及移除小对象 为了使车牌位置的确定更精确，使用bwareaopen函数从图象中移除小对象，。 代码： BW2 = bwareaopen(BW,P,conn) 车牌定位 two 车牌定位 two 4.定位裁剪 在经过上面的处理，最初的彩色图像已经变成以车牌为主要结构的二值图像，对这种主体结构清晰的二值图像进行扫描，进而确定出车牌的位置。 通过定位，得到了车牌的上边界PY1,下边界PY2,左边界PX1,右边界PX2,将这四个边界值从原彩色图像中切割出车牌： dw=I(PY1:PY2,PX1:PX2,:); 车牌定位 two 4.定位裁剪 [y,x]=size(I5);%【行 列 默认1 】 myI=double(I5); white_y=zeros(y,1); for i=1:y for j=1:x if(myI(i,j,1)==1) white_y(i,1)= white_y(i,1)+1;%蓝色像素点统计 end end end [temp MaxY]=max(white_y);%temp为向量white_y的元素中的最大值，MaxY为该值的索引（ 在向量中的位置） PY1=MaxY; while ((white_y(PY1,1)=120)(PY11)) PY1=PY1-1; %找车牌最上端 end PY2=MaxY; while ((white_y(PY2,1)=40)(PY2y)) PY2=PY2+1; %找车牌最下端 end 03 字符提取 three 字符提取 车牌图像二值化 滤波 膨胀或腐蚀处理 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); 通过fspecial函数构造均值滤波器，然后使用filter2函数进行滤波，以减小图中噪音。 由于不同原始图像的差异，处理到这里后，字符可能会不连续，也可能会连在一起，这时我们需要再次对滤波后的图像进行腐蚀或者膨胀处理 three 字符提取 分离字符 定义了一个用于分离字符的函数getword，思路如下：对图像从左到右逐列扫描，并将每列中像素点的值进行求和，若和不为零（即这一列是组成某字符的一列），则向右继续扫描下一列，直到某一列求和后值为零（即这一列是两白色字符之间的黑色间隔），图像最左侧到这一列之间即为第一个字符，将其切出，然后将