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

1、基于matlab的車牌識別系統(tǒng)一、 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)用軟件的基礎(chǔ)知識，了解了基本程序設(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，避免理論與實踐的脫離，鞏固理論課上知識的同時，加強實踐能力的提高，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基礎(chǔ)，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)行方案的制定，系統(tǒng)結(jié)構(gòu)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，需要在程序書寫

2、時說明做適當(dāng)?shù)淖⑨?。如果使用matlab來進(jìn)行開發(fā)，要理解每個函數(shù)的具體意義和適用范圍，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)計的內(nèi)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)的基本工作原理為：將手機拍攝到的包含車輛牌照的圖像輸入到計算機中進(jìn)行預(yù)處理，再對牌照進(jìn)行搜索、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)行二值化并將其分割為單個字符，然后將其逐個與創(chuàng)建的字符模板中的字符進(jìn)行匹配，匹配成功則輸出，最終匹配結(jié)束則輸出則為車牌號碼的數(shù)字。

3、車牌識別系統(tǒng)的基本工作原理圖如圖1所下所示：字符分割車輛輸出車牌號碼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部分組成，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?，較大的對比度和清晰可辯的牌照圖象。但由于是采用智能手機在開放的戶外環(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)行識別前的預(yù)處理。牌照的

4、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)行處理，在這個過程中，我采用畫圖工具，將汽車圖像的車牌部分進(jìn)行裁剪，并將車牌的藍(lán)色部分過亮的地方顏色加深，還將車牌中

5、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)行識別。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)行的都是圖像處理，在這個過程中要進(jìn)行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高，CPU要求主頻在600HZ及以上，內(nèi)存在128MB及以上。系統(tǒng)可以運行于Windows7、Windows2000或者Windows XP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

6、：IM2 = 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)返回的結(jié)構(gòu)元素或者結(jié)構(gòu)元素對象組。IM2 = imerode(IM,NHOOD)腐蝕圖像IM，這里NHOOD是定義結(jié)構(gòu)元素鄰域0和1的矩陣。IM2 = imerode(.,PADOPT)指出輸出圖像的大?。ㄊ欠衽c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

7、= imdilate(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)返回的結(jié)構(gòu)元素或者結(jié)構(gòu)元素對象組。IM2 = imdilate(IM,NHOOD)膨脹圖像IM，這里NHOOD是定義結(jié)構(gòu)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

8、大小。3.strel功能：用于膨脹腐蝕及開閉運算等操作的結(jié)構(gòu)元素對象(本論壇隨即對膨脹腐蝕等操作進(jìn)行講解)。用法：SE = strel(shape,parameters)創(chuàng)建由指定形狀shape對應(yīng)的結(jié)構(gòu)元素。其中shape的種類有arbitrary'，'pair'，'diamond'，'periodicline'，'disk'，'rectangle''line'，'square'，'octagon參數(shù)parameters一般控制SE的大小。4.edgeBW = ed

9、ge(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相同大小的二值化圖像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') 自動選擇閾值用Sobel算子進(jìn)行邊緣檢測。 BW = edge(I,'sobel',thresh) 根據(jù)所指定的敏感度閾值thresh，用Sobel算子進(jìn)行邊緣檢測，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directio

10、n上，用Sobel 算子進(jìn)行邊緣檢測。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 = edge(I,'prewitt') 自動選擇閾值用prewitt算子進(jìn)行邊緣檢測。 BW = edge(I,'prewitt',thresh) 根據(jù)所指定的敏感度閾值thresh，用prewitt算子進(jìn)行邊緣檢測，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,'

11、;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)行邊緣檢測。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 = edge(I,'roberts') 自動選擇閾值用roberts算子進(jìn)行邊緣檢測。 BW = edge(I,'roberts',thresh) 根據(jù)所指定的敏感度閾值thresh，用Roberts算子進(jìn)行邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thr

12、esh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，填補輪廓上的縫隙。用法：IM2 = imclose(IM,SE)IM2 = imclose(IM,NHOOD)用法和imopen相同。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，消弱狹窄的部分，去掉細(xì)的突出。用法：IM2 = imopen(IM,SE)IM2 = imopen(IM,NHOOD)IM2 = imopen(IM,SE)用 結(jié)構(gòu)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可以是單個結(jié)構(gòu)元素對象或

13、者結(jié)構(gòu)元素對象數(shù)組。IM2 = imopen(IM,NHOOD)用結(jié)構(gòu)元素strel（NHOOD）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表示計時的開始，toc表示計時的結(jié)束。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

14、指定相應(yīng)的參數(shù)；type的類型有：1、'average'averaging filter為均值濾波，參數(shù)為hsize代表模板尺寸，默認(rèn)值為【3，3】。'disk'circular 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.'gaussian'Gaussian lowpass filter為高斯低通濾波，有兩個參數(shù)，hsize表示模板尺寸，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.'prewitt'Prewitt horizontal edge-

15、emphasizing filter用于邊緣增強，大小為【3 3】，無參數(shù)'sobel'Sobel 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)行濾波，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， 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)果可能并不十分精確。BW可以是數(shù)值類型（整

16、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(x,2)表示矩陣x的橫向相加，求每行的和，結(jié)果是列向量。而缺省的sum(x)就是豎向相加，求每列的和，結(jié)果是行向量。A>0的結(jié)果是得到一個邏輯矩陣，大小跟原來的A一致，A中大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(X) 在matlab中round也是一個四舍五入函數(shù)。(二)對汽車圖像進(jìn)行圖像轉(zhuǎn)換、圖像增強和邊緣檢測等。1.載入車牌圖像

17、：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. 用roberts算子進(jìn)行邊緣

18、檢測：I2=edge(I1,'roberts',0.18,'both');%選擇閾值0.18，用roberts算子進(jìn)行邊緣檢測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&

19、#39;,25,25);%構(gòu)造結(jié)構(gòu)元素以正方形構(gòu)造一個seI4=imclose(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);% 去除聚團灰度值小于2000的部分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,x,z=size(I5);%返回I5各維的尺寸，存儲在x,

20、y,z中myI=double(I5);%將I5轉(zhuǎn)換成雙精度tic %tic表示計時的開始，toc表示計時的結(jié)束 Blue_y=zeros(y,1);%產(chǎn)生一個y*1的零陣 for i=1:y for j=1:x 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 MaxY=max(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，MaxY為

21、該值的索引 PY1=MaxY; while (Blue_y(PY1,1)>=5)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)>=5)&&(PY2<y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); %行方向車牌區(qū)域確定 % X方向 % Blue_x=zeros(1,x);%進(jìn)一步確定x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)=1) Blue_x(1,j)= Blue_x(1,j)+1; end end

22、end PX1=1; while (Blue_x(1,PX1)<3)&&(PX1<x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)<3)&&(PX2>PX1) PX2=PX2-1; end PX1=PX1-1;%對車牌區(qū)域的校正 PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); 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(

23、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)行灰度轉(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分離出組成車牌號碼的單個字符圖像，對分割出來的字符進(jìn)行預(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)行識別給出文本形式的車牌號碼。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

24、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_max=double(max(max(b);g_min=double(min(min(b);T=round(g_max-(g_max-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 l

25、icence 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)行d即均值濾波imwrite(d,'after average licence plate.jpg');subplot(3,2,3),imshow(

26、d),title('after average licence plate')% 某些圖像進(jìn)行操作% 膨脹或腐蝕% se=strel('square',3); % 使用一個3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像進(jìn)行膨脹% 'line'/'diamond'/'ball'.se=eye(2); % eye(n) returns the n-by-n identity matrix 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 %計算二值圖

27、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)行腐蝕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,'expansion or corrosion the licence plate.jpg');subplot(3,2,4),imshow(d),title('expansion or corrosion the licence plate')

28、；運行結(jié)果如下所示：2.字符分割在汽車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基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識別。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，若長度大于某閾值，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)行進(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)可以達(dá)到正確識別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。% 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個字符組成，需要分割%首先創(chuàng)建子函數(shù)qiege與g

29、etword，而后調(diào)用子程序，將車牌的字符分割開并且進(jìn)行歸一化處理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<=n-1 j=j+1; end k2=j-1; if k2-k1>=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=qi

30、ege(d);% 切割出 7 個字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; end if wide<y1 % 認(rèn)為是左側(cè)干擾 d(:,1:wide)=0; d=qiege(d); else temp=qiege(imcrop(d,1 1 wide m); m,n=size(temp); all=sum(sum(temp); two_thirds=sum(sum(temp(round(m/3):2*round(m/3),

31、:); if two_thirds/all>y2 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=getword(d);figure(9);subplot(2,7,1),imshow(wo

32、rd1),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(&

33、#39;7');m,n=size(word1);% 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');su

34、bplot(2,7,9),imshow(word2),title('2');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(w

35、ord1,'1.jpg');imwrite(word2,'2.jpg');imwrite(word3,'3.jpg');imwrite(word4,'4.jpg');imwrite(word5,'5.jpg');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基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個進(jìn)行比較，

36、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，大部分車牌第一位是漢字，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)計的方法與此相同。首先取字符模板，接著依次取待識別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。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。識別的流程圖如下所示：建立自動識別的代碼表讀取分割出來的字符第一個字符與模板中的漢字模板進(jìn)行匹