期末課程報告：數字圖像中車牌識別的matlab實現

1、. 數字圖像處理期末課程報告 題 目： 車牌識別的matlab實現 題目類型： 軟件型 學 院 信息工程與自動化學院 專 業(yè)： 計算機科學與技術 年 級： XXXX 學 號： XXXXXXX 學生姓名： xxx 指導教師： xx 日 期： 2012-6-8 目錄摘要：2關鍵詞：2實驗工具：2車輛牌照識別流程：2實驗內容及步驟31.圖像預處理：32.車牌定位車牌起始位置和終止位置53.圖片二值化54.列方向像素點灰度值累計65.字符分割：76.建立字符模板數據庫87.歸一化訓練9結果分析：13摘要：本次課程設計的目的是通過對基于MATLAB的字符識別的研究，以汽車牌照識別的設計為實例，詳細介紹字

2、符識別的相關原理。整個汽車牌照識別的過程分為預處理、邊緣提取、車牌定位、字符分割、字符識別五大模塊，用MATLAB軟件編程來實現每一個部分，最后識別出汽車牌照。在研究的同時對其中出現的問題進行了具體分析，處理。尋找出對于具體的汽車牌照識別過程的最好的方法。關鍵詞：MATLAB字符識別車牌識別神經網絡圖像處理實驗工具：MATLAB 7.8（R2009a）。車輛牌照識別流程：基于 MATLAB圖像處理的汽車牌照識別，主要包括車牌定位、字符車牌分割、和車牌字符識別三個關鍵環(huán)節(jié)。流程圖如下：原始圖像圖像預處理車牌定位字符分割字符數據庫字符識別其中，(1) 原始圖像：由數碼相機或其它掃描裝置拍攝到的圖像

3、；（本實驗圖片由數碼相機獲得）(2) 圖像預處理：對動態(tài)采集到的圖像進行灰度處理、邊緣檢測、腐蝕、膨脹、濾波、等處理排除圖像干擾；(3) 車牌定位：計算邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計算此連通域內的寬高比，剔除不在域值范圍內的連通域，最后得到的便為車牌區(qū)域；(4) 字符分割：利用投影檢測的字符定位分割方法得到單個的字符；(5) 字符數據庫：構造訓練樣本數據庫，為第6步的字符識別建立字符模板數據庫；(6) 字符識別：通過基于模板匹配的OCR算法或基于人工神經網絡的OCR算法，通過特征對比或訓練識別出相關的字符，得到最后的汽車牌照，包括英文字母和數字。實驗內容及步驟1. 圖像

4、預處理：預處理源代碼：>> 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算子進行邊緣檢測subplot(3,2,3),imshow(I2),

5、title('邊緣檢測后圖像');>> se=1;1;1; %線型結構元素 I3=imerode(I2,se); %腐蝕圖像subplot(3,2,4),imshow(I3),title('腐蝕后邊緣圖像');>> se=strel('rectangle',25,25); %矩形結構元素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);%去除聚團灰度值小于2

6、000的部分subplot(3,2,6),imshow(I5),title('形態(tài)濾波后圖像');預處理結果截圖：行列方向像素值累計值： 源代碼：y,x,z=size(I5);I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x if(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('行方向像素點灰度值累計和'),xlabel('行值

7、9;),ylabel('像素');運行截圖：2. 車牌定位車牌起始位置和終止位置PY1=MaxY; while (Y1(PY1,1)>=45)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Y1(PY2,1)>=45)&&(PY2<y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); X1=zeros(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(

8、3,2,2),plot(0:x-1,X1),title('列方向像素點灰度值累計和'),xlabel('列值'),ylabel('像數');3. 圖片二值化代碼：if isrgb(DW) I1 = rgb2gray(DW); %將RGB圖像轉化為灰度圖像else I1=I; endg_max=double(max(max(I1);g_min=double(min(min(I1);T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值m,n=size(I1);% d:二值圖像%h=graythresh(I1);I1=

9、im2bw(I1,T/256);subplot(3,2,4);imshow(I1),title('二值化車牌圖像');運行截圖：濾波二值化圖像：I2=bwareaopen(I1,20);subplot(3,2,5);imshow(I2),title('形態(tài)學濾波后的二值化圖像');過濾出目標車牌區(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(I3(i,j,1)=1) Y1(i,1)= Y1(i,1)+1 ; end

10、 end endPy1=1;Py0=1;while (Y1(Py0,1)<20)&&(Py0<y1) Py0=Py0+1;endPy1=Py0; while(Y1(Py1,1)>=20)&&(Py1<y1) Py1=Py1+1; endI2=I2(Py0:Py1,:,:);subplot(3,2,6);imshow(I2),title('目標車牌區(qū)域');運行截圖：4. 列方向像素點灰度值累計代碼：X1=zeros(1,x1);for j=1:x1 for i=1:y1 if(I3(i,j,1)=1) X1(1,j)= X

11、1(1,j)+1; end end endfigure(5);plot(0:x1-1,X1),title('列方向像素點灰度值累計和'),xlabel('列值'),ylabel('累計像素量');運行截圖：5. 字符分割：Px0=1;Px1=1;figure();for i=1:7while (X1(1,Px0)<3)&&(Px0<x) Px0=Px0+1;endPx1=Px0;while (X1(1,Px1)>=3)&&(Px1<x)|(Px1-Px0)<10) Px1=Px1+1;

12、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 PIN6=Z;endsubplot(1,7,i);imshow(Z);Px0=Px1;end運行結果：6. 建立字符模板數據庫1） 將下列圖片存到相應的

13、圖片庫中，待之后檢測比對時用。（注：每個字符圖像要單獨存放為.jpg文件。） 2） 新建一個自定義函數pretreatment.m 文件，對這些圖片進行統一處理：function inpt = pretreatment(I)if isrgb(I) I1 = rgb2gray(I);else I1=I;endI1=imresize(I1,50 25);%將圖片統一劃為50*25大小I1=im2bw(I1,0.9);m,n=size(I1);inpt=zeros(1,m*n);for j=1:n for i=1:m inpt(1,m*(j-1)+i)=I1(i,j); endend7. 歸一化訓練

14、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=pretreatment(imrea

15、d('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

16、9;);I13=pretreatment(imread('h:tukuD.jpg');I14=pretreatment(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&

17、#39;,I8',I9',I10',I11',I12',I13',I14',I15',I16',I17'T=eye(18,18); %輸出樣本% bp神經網絡參數設置net=newff(minmax(P),1250,32,18,'logsig','logsig','logsig','trainrp');net.inputWeights1,1.initFcn ='randnr'net.layerWeights2,1.initFcn =&#

18、39;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);%訓練樣本測試字符代碼：PIN0=pretreatment(PIN0);PIN1=pretreatment(PIN1);PIN2=pretreatment(PIN2);PIN3=pretreatment(PIN3);PIN4=pretreatment(PIN4);PIN5=pretr

19、eatment(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' e

20、lseif (d=14) str='G' elseif (d=15) str='K' elseif (d=16) str='L' elseif (d=17)第一次訓練 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 case 2 str2=str; cas