期末課程報(bào)告數(shù)字圖像中車(chē)牌識(shí)別的matlab實(shí)現(xiàn)

1、 數(shù)字圖像處理期末課程報(bào)告 題 目： 車(chē)牌識(shí)別的matlab實(shí)現(xiàn) 題目類型： 軟件型 學(xué) 院 信息工程與自動(dòng)化學(xué)院 專 業(yè)： 計(jì)算機(jī)科學(xué)與技術(shù) 年 級(jí)： XXXX 學(xué) 號(hào)： XXXXXXX 學(xué)生姓名： xxx 指導(dǎo)教師： xx 日 期： 2012-6-8 目錄摘要：2關(guān)鍵詞：2實(shí)驗(yàn)工具：2車(chē)輛牌照識(shí)別流程：2實(shí)驗(yàn)內(nèi)容及步驟31.圖像預(yù)處理：32.車(chē)牌定位車(chē)牌起始位置和終止位置53.圖片二值化54.列方向像素點(diǎn)灰度值累計(jì)65.字符分割：76.建立字符模板數(shù)據(jù)庫(kù)87.歸一化訓(xùn)練9結(jié)果分析：13摘要：本次課程設(shè)計(jì)的目的是通過(guò)對(duì)基于MATLAB的字符識(shí)別的研究，以汽車(chē)牌照識(shí)別的設(shè)計(jì)為實(shí)例，詳細(xì)介紹字符

2、識(shí)別的相關(guān)原理。整個(gè)汽車(chē)牌照識(shí)別的過(guò)程分為預(yù)處理、邊緣提取、車(chē)牌定位、字符分割、字符識(shí)別五大模塊，用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分，最后識(shí)別出汽車(chē)牌照。在研究的同時(shí)對(duì)其中出現(xiàn)的問(wèn)題進(jìn)行了具體分析，處理。尋找出對(duì)于具體的汽車(chē)牌照識(shí)別過(guò)程的最好的方法。關(guān)鍵詞：MATLAB字符識(shí)別車(chē)牌識(shí)別神經(jīng)網(wǎng)絡(luò)圖像處理實(shí)驗(yàn)工具：MATLAB 7.8（R2009a）。車(chē)輛牌照識(shí)別流程：基于 MATLAB圖像處理的汽車(chē)牌照識(shí)別，主要包括車(chē)牌定位、字符車(chē)牌分割、和車(chē)牌字符識(shí)別三個(gè)關(guān)鍵環(huán)節(jié)。流程圖如下：原始圖像圖像預(yù)處理車(chē)牌定位字符分割字符數(shù)據(jù)庫(kù)字符識(shí)別其中，(1) 原始圖像：由數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像；

3、（本實(shí)驗(yàn)圖片由數(shù)碼相機(jī)獲得）(2) 圖像預(yù)處理：對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行灰度處理、邊緣檢測(cè)、腐蝕、膨脹、濾波、等處理排除圖像干擾；(3) 車(chē)牌定位：計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車(chē)牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域，最后得到的便為車(chē)牌區(qū)域；(4) 字符分割：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符；(5) 字符數(shù)據(jù)庫(kù)：構(gòu)造訓(xùn)練樣本數(shù)據(jù)庫(kù)，為第6步的字符識(shí)別建立字符模板數(shù)據(jù)庫(kù)；(6) 字符識(shí)別：通過(guò)基于模板匹配的OCR算法或基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法，通過(guò)特征對(duì)比或訓(xùn)練識(shí)別出相關(guān)的字符，得到最后的汽車(chē)牌照，包括英文字母和數(shù)字。實(shí)驗(yàn)內(nèi)容及步驟1. 圖像預(yù)

4、處理：預(yù)處理源代碼： I=imread(h:tukucar1.jpg);%讀取圖像 figure(); subplot(3,2,1),imshow(I), title(原始圖像); I1=rgb2gray(I);%轉(zhuǎn)化為灰度圖像subplot(3,2,2),imshow(I1),title(灰度圖像); I2=edge(I1,robert,0.09,both);%采用robert算子進(jìn)行邊緣檢測(cè)subplot(3,2,3),imshow(I2),title(邊緣檢測(cè)后圖像); se=1;1;1; %線型結(jié)構(gòu)元素 I3=imerode(I2,se); %腐蝕圖像subplot(3,2,4),im

5、show(I3),title(腐蝕后邊緣圖像); se=strel(rectangle,25,25); %矩形結(jié)構(gòu)元素I4=imclose(I3,se);%圖像聚類、填充圖像subplot(3,2,5),imshow(I4),title(填充后圖像); I5=bwareaopen(I4,2000);%去除聚團(tuán)灰度值小于2000的部分subplot(3,2,6),imshow(I5),title(形態(tài)濾波后圖像);預(yù)處理結(jié)果截圖：行列方向像素值累計(jì)值： 源代碼：y,x,z=size(I5);I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x if(

6、I6(i,j,1)=1) Y1(i,1)= Y1(i,1)+1; end end end temp MaxY=max(Y1); figure(); subplot(3,2,1),plot(0:y-1,Y1),title(行方向像素點(diǎn)灰度值累計(jì)和),xlabel(行值),ylabel(像素);運(yùn)行截圖：2. 車(chē)牌定位車(chē)牌起始位置和終止位置PY1=MaxY; while (Y1(PY1,1)=45)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Y1(PY2,1)=45)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); X1=zer

7、os(1,x); for j=1:x for i=PY1:PY2 if(I6(i,j,1)=1) X1(1,j)= X1(1,j)+1; end endendsubplot(3,2,2),plot(0:x-1,X1),title(列方向像素點(diǎn)灰度值累計(jì)和),xlabel(列值),ylabel(像數(shù));3. 圖片二值化代碼：if isrgb(DW) I1 = rgb2gray(DW); %將RGB圖像轉(zhuǎn)化為灰度圖像else I1=I; endg_max=double(max(max(I1);g_min=double(min(min(I1);T=round(g_max-(g_max-g_min)/

8、3); % T 為二值化的閾值m,n=size(I1);% d:二值圖像%h=graythresh(I1);I1=im2bw(I1,T/256);subplot(3,2,4);imshow(I1),title(二值化車(chē)牌圖像);運(yùn)行截圖：濾波二值化圖像：I2=bwareaopen(I1,20);subplot(3,2,5);imshow(I2),title(形態(tài)學(xué)濾波后的二值化圖像);過(guò)濾出目標(biāo)車(chē)牌區(qū)域：y1,x1,z1=size(I2);I3=double(I2);TT=1;%去除圖像頂端和底端的不感興趣區(qū)域%Y1=zeros(y1,1); for i=1:y1 for j=1:x1 if(

9、I3(i,j,1)=1) Y1(i,1)= Y1(i,1)+1 ; end end endPy1=1;Py0=1;while (Y1(Py0,1)20)&(Py0=20)&(Py1y1) Py1=Py1+1; endI2=I2(Py0:Py1,:,:);subplot(3,2,6);imshow(I2),title(目標(biāo)車(chē)牌區(qū)域);運(yùn)行截圖：4. 列方向像素點(diǎn)灰度值累計(jì)代碼：X1=zeros(1,x1);for j=1:x1 for i=1:y1 if(I3(i,j,1)=1) X1(1,j)= X1(1,j)+1; end end endfigure(5);plot(0:x1-1,X1),t

10、itle(列方向像素點(diǎn)灰度值累計(jì)和),xlabel(列值),ylabel(累計(jì)像素量);運(yùn)行截圖：5. 字符分割：Px0=1;Px1=1;figure();for i=1:7while (X1(1,Px0)3)&(Px0=3)&(Px1x)|(Px1-Px0)10) Px1=Px1+1;endZ=I2(:,Px0:Px1,:);switch strcat(Z,num2str(i) case Z1 PIN0=Z; case Z2 PIN1=Z; case Z3 PIN2=Z; case Z4 PIN3=Z; case Z5 PIN4=Z; case Z6 PIN5=Z; otherwise PI

11、N6=Z;endsubplot(1,7,i);imshow(Z);Px0=Px1;end運(yùn)行結(jié)果：6. 建立字符模板數(shù)據(jù)庫(kù)1） 將下列圖片存到相應(yīng)的圖片庫(kù)中，待之后檢測(cè)比對(duì)時(shí)用。（注：每個(gè)字符圖像要單獨(dú)存放為.jpg文件。） 2） 新建一個(gè)自定義函數(shù)pretreatment.m 文件，對(duì)這些圖片進(jìn)行統(tǒng)一處理：function inpt = pretreatment(I)if isrgb(I) I1 = rgb2gray(I);else I1=I;endI1=imresize(I1,50 25);%將圖片統(tǒng)一劃為50*25大小I1=im2bw(I1,0.9);m,n=size(I1);inpt=

12、zeros(1,m*n);for j=1:n for i=1:m inpt(1,m*(j-1)+i)=I1(i,j); endend7. 歸一化訓(xùn)練代碼：I0=pretreatment(imread(h:tuku0.jpg);I1=pretreatment(imread(h:tuku1.jpg);I2=pretreatment(imread(h:tuku2.jpg);I3=pretreatment(imread(h:tuku3.jpg);I4=pretreatment(imread(h:tuku4.jpg);I5=pretreatment(imread(h:tuku5.jpg);I6=pret

13、reatment(imread(h:tuku6.jpg);I7=pretreatment(imread(h:tuku7.jpg);I8=pretreatment(imread(h:tuku8.jpg);I9=pretreatment(imread(h:tuku9.jpg);I10=pretreatment(imread(h:tukuA.jpg);I11=pretreatment(imread(h:tukuB.jpg);I12=pretreatment(imread(h:tukuC.jpg);I13=pretreatment(imread(h:tukuD.jpg);I14=pretreatmen

14、t(imread(h:tukuG.jpg);I15=pretreatment(imread(h:tukuK.jpg);I16=pretreatment(imread(h:tukuL.jpg);I17=pretreatment(imread(h:tukuM.jpg);P=I0,I1,I2,I3,I4,I5,I6,I7,I8,I9,I10,I11,I12,I13,I14,I15,I16,I17;T=eye(18,18); %輸出樣本% bp神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置net=newff(minmax(P),1250,32,18,logsig,logsig,logsig,trainrp);net.inputWe

15、ights1,1.initFcn =randnr;net.layerWeights2,1.initFcn =randnr;net.trainparam.epochs=5000;net.trainparam.show=50;%net.trainparam.lr=0.003;net.trainparam.goal=0.0000000001;net=init(net);net,tr=train(net,P,T);%訓(xùn)練樣本測(cè)試字符代碼：PIN0=pretreatment(PIN0);PIN1=pretreatment(PIN1);PIN2=pretreatment(PIN2);PIN3=pretre

16、atment(PIN3);PIN4=pretreatment(PIN4);PIN5=pretreatment(PIN5);PIN6=pretreatment(PIN6);P0=PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6;for i=2:7 T0= sim(net ,P0(:,i); T1 = compet (T0) ; d = find(T1 = 1) - 1; if (d=10) str=A; elseif (d=11) str=B; elseif (d=12) str=C; elseif (d=13) str=D; elseif (d=14) str=G; els

17、eif (d=15) str=K; elseif (d=16) str=L; elseif (d=17)第一次訓(xùn)練 str=M; elseif (d=0) str=0; elseif (d=1) str=1; elseif (d=2) str=2; elseif (d=3) str=3; elseif (d=4) str=4; elseif (d=5) str=5; elseif (d=6) str=6; elseif (d=7) str=7; elseif (d=8) str=8; elseif (d=9) str=9; else str=num2str(d); end switch i c

18、ase 2 str2=str; case 3 str3=str; case 4 str4=str; case 5 str5=str; case 6 str6=str; otherwise str7=str; 第一次識(shí)別結(jié)果 endend第二次訓(xùn)練第二次識(shí)別結(jié)果第三次訓(xùn)練 第三次識(shí)別結(jié)果第四次訓(xùn)練第四次識(shí)別結(jié)果結(jié)果分析：車(chē)輛牌照識(shí)別，對(duì)于交通管理、治安處罰等工作的智能化起著十分重要的作用。它可廣泛應(yīng)用于交通流量檢測(cè)，交通控制于誘導(dǎo)，機(jī)場(chǎng)，港口，小區(qū)的車(chē)輛管理，不停車(chē)自動(dòng)收費(fèi)，闖紅燈等違章車(chē)輛監(jiān)控以及車(chē)輛安全防盜等領(lǐng)域，具有廣闊的應(yīng)用前景。由于牌照是機(jī)動(dòng)車(chē)輛管理的唯一標(biāo)識(shí)符號(hào)，因此，車(chē)輛牌照識(shí)別系統(tǒng)的研究在機(jī)動(dòng)車(chē)管理方面具有十分重要的實(shí)際意義。本設(shè)計(jì)有以下幾條優(yōu)點(diǎn):(1) 充分利用MATLAB中已有的函數(shù)庫(kù)，使整個(gè)程序設(shè)計(jì)簡(jiǎn)單易行；(2) 使用了MATLAB的自定義函數(shù)功能，使程序設(shè)計(jì)更簡(jiǎn)潔但也發(fā)現(xiàn)了更多的缺點(diǎn)：(1) 程序的局限性：只能針對(duì)圖像