车牌识别的matlab程序(程序-讲解-模板)

clcclearcloseallI=imread('chepai.jpg');subplot(3,2,1);imshow(I),title('原始图像');I_gray=rgb2gray(I);subplot(3,2,2),imshow(I_gray),title('灰度图像');%======================形态学预处理======================I_edge=edge(I_gray,'sobel');subplot(3,2,3),imshow(I_edge),title('边缘检测后图像');se=[1;1;1];I_erode=imerode(I_edge,se);subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像');se=strel('rectangle',[25,25]);I_close=imclose(I_erode,se);%图像闭合、填充图像subplot(3,2,5),imshow(I_close),title('填充后图像');I_final=bwareaopen(I_close,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I_final),title('形态滤波后图像');%==========================车牌分割=============================I_new=zeros(size(I_final,1),size(I_final,2));location_of_1=[];fori=1:size(I_final,1)%寻找二值图像中白的点的位置forj=1:size(I_final,2)ifI_final(i,j)==1;newlocation=[i,j];location_of_1=[location_of_1;newlocation];endendendmini=inf;maxi=0;fori=1:size(location_of_1,1)%寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置temp=location_of_1(i,1)+location_of_1(i,2);iftempminimini=temp;a=i;endiftempmaximaxi=temp;b=i;endendfirst_point=location_of_1(a,:);%和最小的点为车牌的左上角last_point=location_of_1(b,:);%和最大的点为车牌的右下角x1=first_point(1)+4;%坐标值修正x2=last_point(1)-4;y1=first_point(2)+4;y2=last_point(2)-4;I_plate=I(x1:x2,y1:y2);I_plate=OTSU(I_plate);%以OTSU算法对分割出的车牌进行自适应二值化处理I_plate=bwareaopen(I_plate,50);figure,imshow(I_plate),title('车牌提取')%画出最终车牌%=========================字符分割============================X=[];%用来存放水平分割线的横坐标flag=0;forj=1:size(I_plate,2)sum_y=sum(I_plate(:,j));iflogical(sum_y)~=flag%列和有变化时，记录下此列X=[Xj];flag=logical(sum_y);endendfigureforn=1:7char=I_plate(:,X(2*n-1):X(2*n)-1);%进行粗分割fori=1:size(char,1)%这两个for循环对分割字符的上下进行裁剪ifsum(char(i,:))~=0top=i;breakendendfori=1:size(char,1)ifsum(char(size(char,1)-i,:))~=0bottom=size(char,1)-i;breakendendchar=char(top:bottom,:);subplot(2,4,n);imshow(char);char=imresize(char,[32,16],'nearest');%归一化为32*16的大小，以便模板匹配eval(strcat('Char_',num2str(n),'=char;'));%将分割的字符放入Char_i中end%==========================字符识别=============================char=[];store1=strcat('京','津','沪','渝','冀','晋','辽','吉','黑','苏','浙'...%汉字识别,'皖','闽','赣','鲁','豫','鄂','湘','粤','琼','川','贵','云','陕'...,'甘','青','藏','桂','皖','新','宁','港','鲁','蒙');forj=1:34Im=Char_1;Template=imread(strcat('chinese\',num2str(j),'.bmp'));%chinese文件附在最后Template=im2bw(Template);Differ=Im-Template;Compare(j)=sum(sum(abs(Differ)));endindex=find(Compare==(min(Compare)));char=[charstore1(index)];store2=strcat('A','B','C','D','E','F','G','H','J','K','L','M','M','N','P','Q','R'...,'S','T','U','V','W','X','Y','Z','0','1','2','3','4','5','6','7','8','9');fori=2:7%字母数字识别forj=1:35Im=eval(strcat('Char_',num2str(i)));Template=imread(strcat('cha&num\',num2str(j),'.bmp'));%cha&num文件附在最后Template=im2bw(Template);Differ=Im-Template;Compare(j)=sum(sum(abs(Differ)));endindex=find(Compare==(min(Compare)));char=[charstore2(index)];endfigure,imshow(I),title(strcat('车牌为:',char))信研-11XX2011301XXXXXX模式识别作业—车牌识别1、作业要求：要求：任给一幅符合假定的图片，自动识别出车牌号。如：给定如下图片，自动输出（京JX9168）2、设计步骤：所设计的车牌识别的流程包括图像预处理，车牌分割，字符分割，及字符识别。详见matalb程序。3、程序讲解1）第一部分为图像的预处理。此部分借鉴了别人的程序，将灰度图像以sobel算子检测边缘；再对边缘图像进行腐蚀，去除掉细的，间断的边缘；对剩下的区域进行闭合以填充图像，此时可以看到车牌区域形成了一个大的连通域；调用bwareaopen函数去掉小的连通域，此时整个二值图像只b剩下了车牌区域为1。如下图所示：2）第二部分为车牌的提取此部分的工作为将上一步的白色区域取出，其对应的就是车牌区域。设计思路如下：首先将二值图像f中所有为1的点的坐标放入数组location_of_1中，对这些坐标遍历计算，寻找x坐标与y坐标之和最大的点a与最小的点b，a即为车牌的左上角，b为车牌的右下角。通过这两个坐标将车牌分割出来，并对灰度车牌图像以OTSU算法进行自适应二值化分割。最终效果如下：3）第三部分为字符分割此部分的工作是将车牌里的7个字符分别提取出来。方法如下：对该二值图从左向右像按列z遍历，计算每一列之和，没有白点的列和为0，有白点的列和非零，转换为逻辑1，记录下所有列和在0与1转换的列，即为需要切割的列，共有14列，可切出7个字符。切割出单个字符后，放入char_(i)中，并切割掉每个字符的上下的空白区域，完成精确切割，效果如下：4）第四部分为字符的识别识别的方法主要有模板匹配字符识别算法，统计特征匹配算法，神经网络字符识别算法和支持向量机模式识别算法。由于分割的字符效果较好，为明显畸变，模k板维数低（32*16），且因为时间关系，这里采用了模板匹配识别算法。该程序把切割出的字符与库里的汉字和字符的模板做减法运算，找到差别点最少的模板为对应模板，输出该模板对应的字符，最后识别出其为“京JX9168”。如下：Chinese模板文件：Cha&num模板文件：(将图片放入文件夹中，放在程序目录下)OTSU.m文件：functionJ=OTSU(I)Hi=imhist(I);%直方图sum1=sum(Hi);fori=1:255w1=sum(Hi(1:i))/sum1;%第一类概率w2=sum(Hi((i+1):256))/sum1;%第二类概率m1=(0:(i-1))*Hi(1:i)/sum(Hi(1:i));%第一类平均灰度值m2=(i:255)*Hi((i+1):256)/sum(Hi((i+1):256));%第二类平均灰度值Jw(i)=w1*w2*(m1-m2)^2;end[maxm,thresh]=max(Jw);%寻找阈值%subplot(2,2,1);imshow(I);title('原图像');%subplot(2,2,[3,4]);imhist(I);holdon;plot(thresh,3,'+r');title((strcat('阈值为',num2str(thresh))));I(find(I=thresh))=0;I(find(Ithresh))=256;%二值化J=I;%subplot(2,2,2),imshow(I),title('二值化图像zk');