車牌識別程序

1、數(shù)字圖像與計算機視覺期末實驗報告專業(yè)名稱：學生姓名：學 號:題目一:車牌識別系統(tǒng)（LRP一、實驗目的1、了解車牌識別系統(tǒng)及其應用；2、結合本門課程所學內容，設計一個車牌識別系統(tǒng)并實現(xiàn)。二、實驗內容1、車牌識別系統(tǒng)的圖像預處理2、車牌定位、3、字符分割4、字符識別三、主要步驟車輛牌照識別（LPR系統(tǒng)是一個專用的計算機視覺系統(tǒng)，它能夠自動地攝取 車輛圖像和識別車牌號碼，可應用在公路自動收費、停車場管理、失竊車輛偵察、 門衛(wèi)系統(tǒng)、智能交通系統(tǒng)等不同場合。LPR系統(tǒng)的廣泛應用將有助于加快我國交通 管理自動化的進程。本實驗完成車牌識別的系統(tǒng)流程圖如下：1、預處理攝像時的光照條件，牌照的整潔程度，攝像機的

2、狀態(tài)（焦距，角度和鏡頭的 光學畸變），以及車速的不穩(wěn)定等因素都會不同程度的影響圖像效果，出現(xiàn)圖像模 糊，歪斜或缺損，車牌字符邊界模糊不清，細節(jié)不清，筆畫斷開，粗細不均等現(xiàn) 象，從而影響車牌區(qū)域的分割與字符識別的工作，所以識別之前要進行預處理。 預處理的包括：1）消除模糊一一用逆濾波處理消除勻速運動造成的圖像運動模糊2 ）圖像去噪。通常得到的汽車圖像會有一些污點，椒鹽噪聲，應用中值濾波3 ）圖像增強自然光照度的晝夜變化會引起圖像對比度的不足，所以必須圖像增強，可以 采用灰度拉伸，直方圖均衡等通過以上處理，提高了圖像的質量，強化了圖像區(qū)域。2、車牌定位從背景中準確地確定牌照區(qū)域是整個識別過程的關鍵

3、。首先對采集到的圖像 進行大范圍相關搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這 些侯選區(qū)域做進一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將 其從圖象中分割出來。由于車牌區(qū)域大部分為藍色，根據這個特性可以定位到車牌區(qū)域， 而對于藍色 車系來說，可以通過腐蝕的方法解決。具體算法流程如下：結果如圖：圖1車牌定位圖2車牌分割3、字符分割：完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進行識別。具 體流程如下結果如圖：圖3分割岀的七張圖片4、字符識別：本文基于模板匹配算法對分割出來的字符圖片進行識別。具體流程如下： 結果如下：桂 AC3692四、實驗結果分析本實驗的汽車

4、號牌識別系統(tǒng)是針對車牌為藍底白字， 7個字符水平排列的汽車 車牌進行研究。有些光照條件不理想的圖片，需要先進行圖象增強處理，再進行 車牌定位和分割，這樣可以提高分割的成功率。色彩通道的車牌區(qū)域分割算法充 分利用了車牌圖象的色彩信息，簡化了算法的實現(xiàn)，加快了圖象的處理速度，具 有較高的正確率，而且整個程序用 MATLA語言編程實現(xiàn)，運算速度快。但是也存 在一些識別效果不是很理想的圖片，這些圖片需要做一些前提工作后才能識別出 相應的字符。 車牌定位和分割中利用的車牌區(qū)域的寬度信息以及字符尺寸信息，是根據 經驗測算出來的；(3) 由于基于尋找連續(xù)有文字的塊的字符分割方法容易受噪聲和環(huán)境光線變 化的影

5、響，所以在車牌字符分割的預處理中，需要對分割出的字符車牌進行均值 濾波，膨脹或腐蝕的處理。經過這些處理可以把字符與字符之間的雜色點去除， 只有白色的字符和黑色的背景存在，有利于的字符分割進行(4) 字符識別方法中運用模板匹配的方法，方法簡潔但識別率較低。模板匹配 法，是利用要識別的字符圖片與字符庫中的圖片進行兩幅圖片相減的方法，找到 相減后值最小的圖片，其相似程度最大的。模板庫的字符制作很重要，必須要用 精確的模板，否則就不能正確的識別。附錄:%function carrecoclose allclear all;%=徹明：%=% =訓定算法執(zhí)行的時間，開始計時 tic%= 賣入圖片=fn,p

6、n,fi=uigetfile(*.jpg,選擇圖片);l=imread(pn fn);figure,imshow(l);title(原始圖像);% 顯示原始圖像chepailuj in g=p n fnI_bai=I;PY2,PY1,PX2,PX1=caitu_fe nge(I);U V=size(I);%=車牌區(qū)域根據面積二次修正=PY2,PY1,PX2,PX1,threshold=SEC_xiuzhe ng(PY2,PY1,PX2,PX1);%=更 新圖片=Plate=l_bai(PY1:PY2,PX1:PX2,:);% 使用 caitu_tiquhold on;li ne1 = 1 PY

7、1; V PY1;plot(line1(:, 1), line1(:, 2), y-, LineWidth, 2);pause;hold on;li ne2 = 1 PY2; V PY2;plot(li ne2(:, 1), li ne2(:, 2), r-, Li neWidth, 2);pause;hold on;li ne3 = PX1 1; PX1 U;plot(line3(:, 1), line3(:, 2), g-, LineWidth, 2);pause;hold on;li ne4 = PX2 1; PX2 U;plot(line4(:, 1), line4(:, 2), b-

8、, LineWidth, 2);%=考慮用腐蝕解決藍色車問題=bw=Plate;figure,imshow(bw);title(車牌圖像);%hsv 彩圖提取圖像%=這里要根據圖像的傾斜度進行選擇這里選擇的圖片bw=rgb2gray(bw);figure,imshow(bw);title(灰度圖像);%=傾斜校正=傾斜qin gxiejiao=ra ndo_bia nhua n( bw)bw=imrotate(bw, qin gxiejiao,bili near,crop);figure,imshow(bw);title(校正);%取值為負值向右旋轉%= bw=im2bw(bw);%figur

9、e,imshow(bw);bw=bwmorph(bw,hbreak, in f);%figure,imshow(bw);bw=bwmorph(bw,spur,inf);%figure,imshow(bw);title(擦除之前);bw=bwmorph(bw,open,5);%figure,imshow(bw);title(閉合運算);bw = bwareaope n( bw, threshold);figure,imshow(bw);title(擦除);%=加 入進度條= % h=waitbar(0, 程序運行中，請稍等 )% for i=1:10000% waitbar(i/5000,h)%

10、 end% close(h);%wavplay(wavread(程序運行中.wav),22000);%= bw=bw;figure,imshow(bw);title(擦除反色);%=對圖像進一步裁剪，保證邊框貼近字體=bw=touying(bw);figure;imshow(bw);title(Y方向處理);bw=bw;bw = bwareaope n( bw, threshold);bw=bw;%figure,imshow(bw);title(二次擦除);y,x=size(bw);%對長寬重新賦值%=文 字分割=fen ge=shuzife nge(bw, qin gxiejiao)m,k=

11、size(fe nge);%= 示分割圖像結果=figure;for s=1:2:k-1subplot(1,k/2,(s+1)/2);imshow(bw( 1:y,fe nge(s):fe nge(s+1);end%=至合七張圖片定位=斗圭 AV6388han_zi =bw( 1:y,fe nge(1):fe nge(2);imshow(ha n_zi);zi_mu =bw( 1:y,fe nge(3):fe nge(4);zm_sz_1 =bw( 1:y,fe nge(5):fe nge(6);zm_sz_2 =bw( 1:y,fe nge(7):fe nge(8);shuzi_1 =bw(

12、 1:y,fe nge(9):fe nge(10);shuzi_2 =bw( 1:y,fe nge(11):fe nge(12);shuzi_3 =bw( 1:y,fe nge(13):fe nge(14);%=識別=%=把 修正數(shù)據讀入xiuzhe ngha nzi = imresize(ha n_zi, 110 55,bil in ear);xiuzhe ngzimu = imresize(zi_mu, 110 55,bili near);xiuzhe ngzm_sz_1= imresize(zm_sz_1,110 55,bil in ear);xiuzhe ngzm_sz_2 = imr

13、esize(zm_sz_2,110 55,bil in ear);xiuzhe ngshuzi_1 = imresize(shuzi_1,110 55,bil in ear);xiuzhe ngshuzi_2 = imresize(shuzi_2,110 55,bil in ear);xiuzhe ngshuzi_3 = imresize(shuzi_3,110 55,bil in ear);%=把0-9 , A-Z以及省份簡稱的數(shù)據存儲方便訪問=han zishe ngfen=duquha nzi(imread(),imread(),imread(),imread(),imread();泅數(shù)

14、字和字母比例不同。這里要修改shuzizimu=duquszzm(imread(),imread(),imread(),imread(),imread(),.imread(),imread(),imread(),imread(),imread(), imread(),imread(),imread(),imread(),imread(), imread(),imread(),imread(),imread(),imread(), imread(),imread(),imread(),imread(),imread(), imread(),imread(),imread(),imread(),i

15、mread(),imread(),imread(),imread(),imread();zimu = duquzimu(imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(), imread(),imread(),imread(),imread();shuzi = duqushuzi(imrea

16、d(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread(),imread();%=識別結果=i=1;%shibiezm_sz 該函數(shù)識別數(shù)字有問題jieguoha nzi = shibieha nzi(ha nzishe ngfen, xiuzhe ngha nzi);shibiejieguo(1,i)=jieguoha nzi; i=i+1;jieguozimu = shibiezimu(zimu,xiuzhe ngzimu); shibiejieguo(1,i)=jieguozimu; i=i+1;

17、jieguozm_sz_1= shibiezm_sz(shuzizimu,xiuzhe ngzm_sz_1); shibiejieguo(1,i)=jieguozm_sz_1;i=i+1;jieguozm_sz_2= shibiezm_sz(shuzizimu,xiuzhe ngzm_sz_2); shibiejieguo(1,i)=jieguozm_sz_2;i=i+1;jieguoshuzi_1= shibieshuzi(shuzi,xiuzhe ngshuzi_1);shibiejieguo(1,i)=jieguoshuzi_1;i=i+1;jieguoshuzi_2= shibieshuzi(shuzi,xiuzhe ngshuzi_2);shib