數(shù)字圖像處理車牌識別課程設(shè)計報告matlab實現(xiàn)附源代碼

1、-PAGE . z.基于matlab的車牌識別系統(tǒng)目的與要求目的：利用matlab實現(xiàn)車牌識別系統(tǒng)，熟悉matlab應(yīng)用軟件的根底知識，了解了根本程序設(shè)計方法，利用其解決數(shù)字信號處理的實際應(yīng)用問題，從而加深對理論知識的掌握，并把所學(xué)的知識系統(tǒng)、高效的貫穿到實踐中來，防止理論與實踐的脫離，穩(wěn)固理論課上知識的同時，加強(qiáng)實踐能力的提高，理論聯(lián)系實踐，提高自身的動手能力。同時不斷的調(diào)試程序也提高了自己獨立編程水平，并在實踐中不斷完善理論根底，有助于自身綜合能力的提高。要求：1.理解各種圖像處理方法確切意義。2.獨立進(jìn)展方案的制定，系統(tǒng)構(gòu)造設(shè)計要合理。3在程序開發(fā)時，則必須清楚主要實現(xiàn)函數(shù)的目的和作用，

2、需要在程序書寫時說明做適當(dāng)?shù)淖⑨尅Ｈ绻褂胢atlab來進(jìn)展開發(fā)，要理解每個函數(shù)的具體意義和適用圍，在寫課設(shè)報告時，必須要將主要函數(shù)的功能和參數(shù)做詳細(xì)的說明。4、通過多幅不同形式的圖像來檢測該系統(tǒng)的穩(wěn)定性和正確性。二、設(shè)計的容學(xué)習(xí)MATLAB程序設(shè)計，利用MATLAB函數(shù)功能，設(shè)計和實現(xiàn)通過設(shè)計一個車牌識別系統(tǒng)。車牌識別系統(tǒng)的根本工作原理為：將手機(jī)拍攝到的包含車輛牌照的圖像輸入到計算機(jī)中進(jìn)展預(yù)處理，再對牌照進(jìn)展搜索、檢測、定位，并分割出包含牌照字符的矩形區(qū)域，然后對牌照字符進(jìn)展二值化并將其分割為單個字符，然后將其逐個與創(chuàng)立的字符模板中的字符進(jìn)展匹配，匹配成功則輸出，最終匹配完畢則輸出則為車牌的

3、數(shù)字。車牌識別系統(tǒng)的根本工作原理圖如圖1所下所示：字符分割車輛輸出車牌字符識別車牌的定位圖像預(yù)處理圖像采集三、總體方案設(shè)計車輛牌照識別整個系統(tǒng)主要是由車牌定位和字符分割識別兩局部組成，其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位及分割模塊；字符識別可以分為字符分割和單個字符識別兩個模塊。為了用于牌照的分割和牌照字符的識別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的比照度和清晰可辯的牌照圖象。但由于是采用智能手機(jī)在開放的戶外環(huán)境拍照，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機(jī)與牌照的矩離等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對原始圖象進(jìn)展識別前的預(yù)處理。牌照

4、的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識別的準(zhǔn)確性。因此，需要將拍出的車牌進(jìn)展處理，在這個過程中，我采用畫圖工具，將汽車圖像的車牌局部進(jìn)展裁剪，并將車牌的藍(lán)色局部過亮的地方顏色加深，還將車牌

5、中的一個白色的原點抹去，另外還將車牌上的鉚釘使用車牌的藍(lán)色背景覆蓋，這樣分割出的字符更加準(zhǔn)確。車牌識別的最終目的就是對車牌上的文字進(jìn)展識別。主要應(yīng)用的為模板匹配方法。因為系統(tǒng)運行的過程中，主要進(jìn)展的都是圖像處理，在這個過程中要進(jìn)展大量的數(shù)據(jù)處理，所以處理器和存要求比擬高，CPU要求主頻在600HZ及以上，存在128MB及以上。系統(tǒng)可以運行于Windows7、Windows2000或者Windows *P操作系統(tǒng)下，程序調(diào)試時使用matlabR2011a。四、各個功能模塊的主要實現(xiàn)程序一首先介紹代碼中主要的函數(shù)功能及用法：1.Imerode功能：對圖像實現(xiàn)腐蝕操作，即膨脹操作的反操作。用法：IM

6、2 = imerode(IM,SE)IM2 = imerode(IM,NHOOD)IM2 = imerode(IM,SE,PACKOPT,M)IM2 = imerode(.,PADOPT)IM2 = imerode(IM,SE) 腐蝕灰度，二值，壓縮二值圖像IM，返回IM2。參數(shù)SE為由strel函數(shù)返回的構(gòu)造元素或者構(gòu)造元素對象組。IM2 = imerode(IM,NHOOD)腐蝕圖像IM，這里NHOOD是定義構(gòu)造元素鄰域0和1的矩陣。IM2 = imerode(.,PADOPT)指出輸出圖像的大小是否與輸入圖像大小一致。2.imdilate功能：對圖像實現(xiàn)膨脹操作。用法：IM2 = imd

7、ilate(IM,SE)IM2 = imdilate(IM,NHOOD)IM2 = imdilate(IM,SE,PACKOPT)IM2 = imdilate(.,PADOPT)IM2 = imdilate(IM,SE) 膨脹灰度，二值，壓縮二值圖像IM，返回IM2。參數(shù)SE為由strel函數(shù)返回的構(gòu)造元素或者構(gòu)造元素對象組。IM2 = imdilate(IM,NHOOD)膨脹圖像IM，這里NHOOD是定義構(gòu)造元素鄰域0和1的矩陣。IM2 = imdilate(IM,SE,PACKOPT)定義IM是否是一個壓縮的二值圖像。IM2 = imdilate(.,PADOPT)指出輸出圖像的大小。3.

8、strel功能：用于膨脹腐蝕及開閉運算等操作的構(gòu)造元素對象(本論壇隨即對膨脹腐蝕等操作進(jìn)展講解)。用法：SE = strel(shape,parameters)創(chuàng)立由指定形狀shape對應(yīng)的構(gòu)造元素。其中shape的種類有arbitrary，pair，diamond，periodicline，disk，rectangleline，square，octagon參數(shù)parameters一般控制SE的大小。4.edgeBW = edge(I) 采用灰度或一個二值化圖像I作為它的輸入，并返回一個與I一樣大小的二值化圖像BW，在函數(shù)檢測到邊緣的地方為1，其他地方為0。BW = edge(I,sobel)

9、 自動選擇閾值用Sobel算子進(jìn)展邊緣檢測。BW = edge(I,sobel,thresh) 根據(jù)所指定的敏感度閾值thresh，用Sobel算子進(jìn)展邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thresh為空時，自動選擇閾值。BW = edge(I,sobel,thresh,direction) 根據(jù)所指定的敏感度閾值thresh，在所指定的方向direction上，用Sobel 算子進(jìn)展邊緣檢測。Direction可取的字符串值為horizontal(水平方向)、vertical(垂直方向)或both(兩個方向)。BW,thresh = edge(I,sobel,.) 返回閾值BW = ed

10、ge(I,prewitt) 自動選擇閾值用prewitt算子進(jìn)展邊緣檢測。BW = edge(I,prewitt,thresh) 根據(jù)所指定的敏感度閾值thresh，用prewitt算子進(jìn)展邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thresh為空時，自動選擇閾值。 BW = edge(I,prewitt,thresh,direction) 根據(jù)所指定的敏感度閾值thresh，在所指定的方向direction上，用prewitt算子進(jìn)展邊緣檢測。Direction可取的字符串值為horizontal(水平方向)、vertical(垂直方向)或both(兩個方向)默認(rèn)方向為both。BW = ed

11、ge(I,roberts) 自動選擇閾值用roberts算子進(jìn)展邊緣檢測。BW = edge(I,roberts,thresh) 根據(jù)所指定的敏感度閾值thresh，用Roberts算子進(jìn)展邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thresh為空時，自動選擇閾值。 5.Imclose功能：對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細(xì)長的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。用法：IM2 = imclose(IM,SE)IM2 = imclose(IM,NHOOD)用法和imopen一樣。6.imopen功能：對圖像實現(xiàn)開運算，開運算一般能平滑圖像的輪廓，消弱狹

12、窄的局部，去掉細(xì)的突出。用法：IM2 = imopen(IM,SE)IM2 = imopen(IM,NHOOD)IM2 = imopen(IM,SE)用構(gòu)造元素SE實現(xiàn)灰度圖像或二值圖像的IM的形態(tài)開運算。SE可以是單個構(gòu)造元素對象或者構(gòu)造元素對象數(shù)組。IM2 = imopen(IM,NHOOD)用構(gòu)造元素strelNHOOD執(zhí)行開運算。7.bwareaopen功能：刪除小面積對象格式：BW2 = bwareaopen(BW,P,conn)作用：刪除二值圖像BW中面積小于P的對象，默認(rèn)情況下conn使用8鄰域。8.tic和toc函數(shù)這兩個函數(shù)一般配合使用，tic表示計時的開場，toc表示計時的

13、完畢。格式如：tic任意表達(dá)式toct=toc9.fspecial功能：用于建立預(yù)定義的濾波算子，其語法格式為：h = fspecial(type)h = fspecial(type，para)其中type指定算子的類型，para指定相應(yīng)的參數(shù)；type的類型有：1、averageaveraging filter為均值濾波，參數(shù)為hsize代表模板尺寸，默認(rèn)值為【3，3】。diskcircular averaging filter為圓形區(qū)域均值濾波，參數(shù)為radius代表區(qū)域半徑，默認(rèn)值為5.gaussianGaussian lowpass filter為高斯低通濾波，有兩個參數(shù)，hsize表

14、示模板尺寸，默認(rèn)值為【3 3】，sigma為濾波器的標(biāo)準(zhǔn)值，單位為像素，默認(rèn)值為0.5.prewittPrewitt horizontal edge-emphasizing filter用于邊緣增強(qiáng)，大小為【3 3】，無參數(shù)sobelSobel horizontal edge-emphasizing filter用于邊緣提取，無參數(shù)9. filter2J = filter2(h,I);使用指定的濾波器h對I進(jìn)展濾波，結(jié)果保存在J中10.bwarea函數(shù)功能：計算二值圖像中對象的總面積。調(diào)用格式：total = bwarea(BW)估算二值圖像BW中對象的總面積。 返回的total是一個標(biāo)量，

15、它的值大致地反映了和圖像中on像素的個數(shù)。由于對于不同像素類型， 度量標(biāo)準(zhǔn)不同， 因此結(jié)果可能并不十分準(zhǔn)確。BW可以是數(shù)值類型整型、浮點型或者邏輯類型。對于數(shù)值類型， 像素值不為0被視為on。返回值total是double類型的。11.sum功能：函數(shù)求和sum(*,2)表示矩陣*的橫向相加，求每行的和，結(jié)果是列向量。而缺省的sum(*)就是豎向相加，求每列的和，結(jié)果是行向量。A0的結(jié)果是得到一個邏輯矩陣，大小跟原來的A一致，A于零的元素的位置置為1，小于等于零的位置置為0。所以橫向求和以后，就是求A中每行大于零的元素個數(shù)。12.round功能：四舍五入調(diào)用格式：Y = round(*) 在m

16、atlab中round也是一個四舍五入函數(shù)。(二)對汽車圖像進(jìn)展圖像轉(zhuǎn)換、圖像增強(qiáng)和邊緣檢測等。1.載入車牌圖像：I=imread(car1.jpg);figure(1),imshow(I);title(original image)；%將車牌的原圖顯示出來，結(jié)果如下：2.將彩圖轉(zhuǎn)換為灰度圖并繪制直方圖：I1=rgb2gray(I);%將彩圖轉(zhuǎn)換為灰度圖figure(2),subplot(1,2,1),imshow(I1);title(gray image);figure(2),subplot(1,2,2),imhist(I1);title(灰度圖直方圖);%繪制灰度圖的直方圖結(jié)果如下所示：3

17、. 用roberts算子進(jìn)展邊緣檢測：I2=edge(I1,roberts,0.18,both);%選擇閾值0.18，用roberts算子進(jìn)展邊緣檢測figure(3),imshow(I2);title(roberts operator edge detection image)；結(jié)果如下：4.圖像實施腐蝕操作：se=1;1;1;I3=imerode(I2,se);%對圖像實施腐蝕操作，即膨脹的反操作figure(4),imshow(I3);title(corrosion image);5.平滑圖像se=strel(rectangle,25,25);%構(gòu)造構(gòu)造元素以正方形構(gòu)造一個seI4=im

18、close(I3,se);% 圖像聚類、填充圖像figure(5),imshow(I4);title(smothing image);結(jié)果如下所示：6. 刪除二值圖像的小對象 I5=bwareaopen(I4,2000);% 去除聚團(tuán)灰度值小于2000的局部figure(6),imshow(I5);title(remove the small objects); %用imshow函數(shù)顯示濾波后圖像結(jié)果如下所示 ：三車牌定位y,*,z=size(I5);%返回I5各維的尺寸，存儲在*,y,z中myI=double(I5);%將I5轉(zhuǎn)換成雙精度tic %tic表示計時的開場，toc表示計時的完畢

19、Blue_y=zeros(y,1);%產(chǎn)生一個y*1的零陣 for i=1:y for j=1:* if(myI(i,j,1)=1) %如果myI(i,j,1)即myI的圖像中坐標(biāo)為(i,j)的點值為1，即該點為車牌背景顏色藍(lán)色 %則Blue_y(i,1)的值加1 Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點統(tǒng)計 end end end temp Ma*Y=ma*(Blue_y);%Y方向車牌區(qū)域確定 %temp為向量yellow_y的元素中的最大值，Ma*Y為該值的索引 PY1=Ma*Y; while (Blue_y(PY1,1)=5)&(PY11) PY1=PY1-1

20、; end PY2=Ma*Y; while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); %行方向車牌區(qū)域確定 % *方向 % Blue_*=zeros(1,*);%進(jìn)一步確定*方向的車牌區(qū)域 for j=1:* for i=PY1:PY2 if(myI(i,j,1)=1) Blue_*(1,j)= Blue_*(1,j)+1; end end end P*1=1; while (Blue_*(1,P*1)3)&(P*1*) P*1=P*1+1; end P*2=*; while (Blue_*(1,P*2)P*1) P*

21、2=P*2-1; end P*1=P*1-1;%對車牌區(qū)域的校正 P*2=P*2+1; dw=I(PY1:PY2-8,P*1:P*2,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title(Line direction areas);%行方向車牌區(qū)域確定figure(7),subplot(1,2,2),imshow(dw),title(positioning color images);%定位后的車牌區(qū)域如下所示：(四)字符分割與識別1.車牌的進(jìn)一步處理對分割出的彩色車牌圖像進(jìn)展灰度轉(zhuǎn)換、二值化、均值濾波、腐蝕膨脹以及字符分割以從車牌圖像中別離

22、出組成車牌的單個字符圖像，對分割出來的字符進(jìn)展預(yù)處理二值化、歸一化，然后分析提取，對分割出的字符圖像進(jìn)展識別給出文本形式的車牌。代碼如下：imwrite(dw,dw.jpg);%將彩色車牌寫入dw文件中a=imread(dw.jpg);%讀取車牌文件中的數(shù)據(jù)b=rgb2gray(a);%將車牌圖像轉(zhuǎn)換為灰度圖imwrite(b,gray licence plate.jpg);%將灰度圖像寫入文件中figure(8);subplot(3,2,1),imshow(b),title(車牌灰度圖像)g_ma*=double(ma*(ma*(b);g_min=double(min(min(b);T=ro

23、und(g_ma*-(g_ma*-g_min)/3); % T 為二值化的閾值m,n=size(b);d=(double(b)=T); % d:二值圖像imwrite(d,binary licence plate.jpg);subplot(3,2,2),imshow(d),title(before filtering binary licence plate)%均值濾波前% 濾波h=fspecial(average,3);%建立預(yù)定義的濾波算子，average為均值濾波，模板的尺寸為3*3d=im2bw(round(filter2(h,d);%使用指定的濾波器h對h進(jìn)展d即均值濾波imwrit

24、e(d,after average licence plate.jpg);subplot(3,2,3),imshow(d),title(after average licence plate)% *些圖像進(jìn)展操作% 膨脹或腐蝕% se=strel(square,3); % 使用一個3*3的正方形結(jié)果元素對象對創(chuàng)立的圖像進(jìn)展膨脹% line/diamond/ball.se=eye(2); % eye(n) returns the n-by-n identity matri* 單位矩陣m,n=size(d);%返回矩陣b的尺寸信息， 并存儲在m,n中if bwarea(d)/m/n=0.365 %

25、計算二值圖像中對象的總面積與整個面積的比是否大于0.365 d=imerode(d,se);%如果大于0.365則圖像進(jìn)展腐蝕elseif bwarea(d)/m/n=0.235 %計算二值圖像中對象的總面積與整個面積的比是否小于0.235 d=imdilate(d,se);%如果小于則實現(xiàn)膨脹操作endimwrite(d,e*pansion or corrosion the licence plate.jpg);subplot(3,2,4),imshow(d),title(e*pansion or corrosion the licence plate)；運行結(jié)果如下所示：2.字符分割在汽車

26、牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的根底上進(jìn)展字符的分割，然后再利用分割的結(jié)果進(jìn)展字符識別。字符識別的算法很多，因為車牌字符間間隔較大，不會出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，假設(shè)長度大于*閾值，則認(rèn)為該塊有兩個字符組成，需要分割。一般分割出來的字符要進(jìn)展進(jìn)一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以到達(dá)正確識別的目的。在此只進(jìn)展了歸一化處理，然后進(jìn)展后期處理。% 尋找連續(xù)有文字的塊，假設(shè)長度大于*閾值，則認(rèn)為該塊有兩個字符組成，需要分割%首先創(chuàng)立子函數(shù)qiege與getword，而后調(diào)用子程序，將車

27、牌的字符分割開并且進(jìn)展歸一化處理d=qiege(d);m,n=size(d);subplot(3,2,5),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=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endend% 再切割d=qiege(d);% 切割出 7 個字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=siz

28、e(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; end if widey2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)=0;d=qiege(d); endend% 分割出第二個字符word2,d=getword(d);% 分割出第三個字符word3,d=getword(d);% 分割出第四個字符word4,d=getword(d);% 分割出第五個字符word5,d=getword(d);% 分割出第六個字符word6,d=getword(d);% 分割出第七個字符word7,d=g

29、etword(d);figure(9);subplot(2,7,1),imshow(word1),title(1);subplot(2,7,2),imshow(word2),title(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);m,n=size(word1

30、);% 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示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);subplot(2,7,8),imshow(word1),title(1);subplot(2,7,9),imshow(word2),title(2);

31、subplot(2,7,10),imshow(word3),title(3);subplot(2,7,11),imshow(word4),title(4);subplot(2,7,12),imshow(word5),title(5);subplot(2,7,13),imshow(word6),title(6);subplot(2,7,14),imshow(word7),title(7);imwrite(word1,1.jpg);imwrite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);

32、imwrite(word6,6.jpg);imwrite(word7,7.jpg);運行結(jié)果如下：三車牌識別：模板匹配是圖象識別方法中最具代表性的根本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的假設(shè)干特征量與模板T(i,j)相應(yīng)的特征量逐個進(jìn)展比擬，計算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計算圖象與模板特征量之間的距離，用最小距離法判定所屬類。此處采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，大局部車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。為了實驗方便，結(jié)合本次設(shè)計所選汽車牌照的特點，只建立了7個數(shù)字26個字母與10個數(shù)字的模板。其他模板設(shè)計的方法與此一樣。首先取字符模板，接著依次取待識別字符與模板進(jìn)展匹配，將其與模板字符相減，得到的0越多則就越匹配。把每一幅相減后的圖的0值個數(shù)保存，即為識別出來的結(jié)果。識別