MATLAB 数字图像处理---车牌简单识别【亲测有效】

最新推荐文章于 2024-05-22 21:32:37 发布
最新推荐文章于 2024-05-22 21:32:37 发布
阅读量1.1w 收藏 85
点赞数 19
分类专栏： MATLAB 文章标签： matlab 图像处理 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_58892312/article/details/120753432
版权

文章内容：利用 MATLAB 对图像进行简单处理，包括图像的模糊、锐化、和直方图均衡化；对图像进行边缘检测；并对利用 MATLAB 对图像中的数字提取识别。

目录

实验环境：MATLAB2020
MALTAB2020安装链接：https://mp.weixin.qq.com/s/Yo9VkjJnKB53qEgLb-Wvow

1 MATLAB 对图像进行简单处理

1.1 模糊、锐化、和直方图均衡化

1.1.1 代码

I=imread('E:\Desktop\课程\轨道信号与设备\DZYYT1011.JPG'); 
figure,imshow(I),title('原始图像');
I1=rgb2gray(I);
I1=imresize(I1,0.5);
figure,imshow(I1),title('灰度图像');
h=ones(5,5)/25;
I2=imfilter(I1,h);
figure,imshow(I2),title('模糊处理');
J=double(I1);
h1=fspecial('laplacian');
I3=filter2(h1,J);
figure,imshow(I3),title('锐化处理');
I4 = histeq(I1,256);
figure,imhist(I1),title('原图像直方图');
figure,imshow(I4),title('均衡化处理');
figure,imhist(I4),title('均衡化后直方图');

注意：代码第一行的文件目录是我使用的图片的位置，读者需要自己准备好图片并将代码中的目录改掉。

1.1.2 运算结果

  • 此为进行处理的原始图像：
    在这里插入图片描述

  • 进行图像灰度化并把图像的大小进行调整为原来的一半，得到图像：
    在这里插入图片描述

  • 对图像分别进行均值滤波器模糊、拉普拉斯算子锐化处理，得到的结果如下图：
    在这里插入图片描述
    在这里插入图片描述

  • 对图像进行直方图均衡化操作，得到的原始图像直方图、均衡化后的图像以及直方图如下所示：
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

1.2 边缘检测

1.2.1 代码

I=imread('E:\Desktop\课程\轨道信号与设备\DZYYT1011.JPG');
I1=rgb2gray(I);
I1=imresize(I1,0.5);
J=double(I1);
H=[0 1 0;1 -4 1;0 1 0];
J=conv2(J,H,'same');
J=double(I1)-J;
subplot(1,2,1);
imshow(I1),title('灰度图像');
subplot(1,2,2);
imshow(J),title('Laplace算子边缘检测');
G1 = [-1 -2 -1;0 0 0;1 2 1]; 
G2 = G1'; 
Iedge=I1;
I2x = filter2(G1,Iedge);
I2y = filter2(G2,Iedge);
I2=abs(I2x+I2y);
I22 = mat2gray(I2);
figure,imshow(mat2gray(abs(I2x))),title('水平方向边缘')
figure,imshow(mat2gray(abs(I2y))),title('垂直方向边缘')
figure,imshow(I22),title('合成边缘')
IFB=im2bw(I22,0.08);
figure,imshow(IFB),title('合成边缘二值图像')
[m n]=size(I22);
I2_edge=I22;
for i=1:m
for j=1:n
if I2_edge(i,j)>0.15
I2_edge(i,j)=1;
else if I2_edge(i,j)>0.06
I2_edge(i,j)=0.5;
end
end
end
end 
figure,imshow(I2_edge),title('边缘增强后的图像');

1.2.2 运算结果

  • 可以得到Laplace算子处理得到的边缘：
    在这里插入图片描述
    在这里插入图片描述

  • 利用 Sobel 算子获得的图像的水平和垂直边缘。并得到两个方向的合成图像，它表示图像的综合边缘信息。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    从图中可以看出，图像用 Sobel 算子进行边缘增强后整个图像很暗，为了更清晰地表现图像的轮廓信息，对合成边缘中的边缘像素进行了增强处理，获得最后一幅所示边缘增强的结果，它由 4 个灰度级来表示。

2 对图像中的数字提取识别—车牌简单识别

数字标识部位分割，通过像素位置定位出图像中的数字。

2.1 对图像中的数字提取

2.1.1 代码

I=imread('E:\Desktop\课程\轨道信号与设备\DZYYT1011.JPG');
I1=rgb2gray(I);
I1=imresize(I1,1);
figure,imshow(I1),title('灰度图像');
I2=im2bw(I1,graythresh(I1));
figure,imshow(I2),title('二值图像');
I3=I2(2294:2330,1859:1964);
I3=imresize(I3,10);
figure,imshow(I3),title('数字部分特征提取');
A=I3;ED_type='disk';
se=strel(ED_type,12);
I4=imclose(A,se);
figure,imshow(I4),title('闭运算的结果');
figure;
J1=I4(4:320,29:214);
J1=imresize(J1,[312,179]);
A=J1;ED_type='disk';
se=strel(ED_type,8);
A=imdilate(A,se);
subplot(1,5,1),imshow(A),title('第1个数字');
J2=I4(19:330,260:410);
J2=imresize(J2,[312,179]);
A=J2;ED_type='disk';
se=strel(ED_type,8);
A=imdilate(A,se);
subplot(1,5,2),imshow(A),title('第2个数字');
J3=I4(22:335,450:635);
J3=imresize(J3,[312,179]);
A=J3;ED_type='disk';
se=strel(ED_type,8);
A=imdilate(A,se);
subplot(1,5,3),imshow(A),title('第3个数字');
J4=I4(38:347,683:860);
J4=imresize(J4,[312,179]);
A=J4;ED_type='disk';
se=strel(ED_type,8);
A=imdilate(A,se);
subplot(1,5,4),imshow(A),title('第4个数字');
J5=I4(55:363,910:1050);
J5=imresize(J5,[312,179]);
A=J5;ED_type='disk';
se=strel(ED_type,8);
A=imdilate(A,se);
subplot(1,5,5),imshow(A),title('第5个数字');

注意：代码中的数字部分特征提取及分别对每个数字的提取时，选取的像素范围需要根据自己的图片中数字的像素位置进行修改。
比如代码中第7行的" I3=I2(2294:2330,1859:1964);"。
指数字部分 I3 在 I2 内的位置范围，其中的四个数据是由两组像素坐标组成，读者可以自己分析四个数据分别对应哪种坐标。

小技巧：在MATLAB生成的图像中可以直接查看某点的像素坐标
点击“数据提示”标志，在图像中点击即可查看该点的坐标。如下图：
在这里插入图片描述

2.1.2 运算结果

  • 通过计算，得到图像的灰度图和二值化图像如下图所示：
    在这里插入图片描述
    在这里插入图片描述

  • 对具有数字标示的部位进行分割的结果如下图：
    在这里插入图片描述

  • 对数字部分区域进行闭运算得到的结果如下图：
    在这里插入图片描述

  • 将每个字符分割出来，用二值化表示，对每个数字图像进行膨胀操作，以将修正数字区域的边界毛刺并画出分割的结果得到5个数字的图像如下图：
    在这里插入图片描述

2.2 对图像中的数字识别

通过对每个提取的数字与模版进行相关运算，得到它们之间的相关系数，然后对数字进行判断识别。

实现不同字符的识别
提前准备好 0-9 十个数字的标准数字模板，寻找与拍摄图片中的数字字体相同的标准模板。
小技巧：可以在 Word 里寻找相似的字体，将数字打出来再放大截屏获取。

比如下面这样的模板：
在这里插入图片描述

2.2.1 代码

B=imread('E:\Desktop\课程\轨道信号与设备\0.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K0=B;
B=imread('E:\Desktop\课程\轨道信号与设备\1.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K1=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\2.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K2=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\3.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K3=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\4.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K4=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\5.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K5=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\6.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K6=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\7.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K7=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\8.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K8=B;
B=imread(' E:\Desktop\课程\轨道信号与设备\9.jpg');
B=rgb2gray(B);
B=imresize(im2bw(B,graythresh(B)),[312,179]);
K9=B;

2.2.2 识别结果

通过与模板逐个进行相关运算，比较出相关系数最大的字符，即可得到识别结果。

  • 进行相关运算的代码：
k=zeros(1,10);
k(1)=corr2(J1,K0);
k(2)=corr2(J1,K1);
k(3)=corr2(J1,K2);
k(4)=corr2(J1,K3);
k(5)=corr2(J1,K4);
k(6)=corr2(J1,K5);
k(7)=corr2(J1,K6);
k(8)=corr2(J1,K7);
k(9)=corr2(J1,K8);
k(10)=corr2(J1,K9);
m=max(k);
n=find(k==m)-1

  • 运算结果：
    在这里插入图片描述

  • 相关系数结果比较：
    在这里插入图片描述
    可以看出，对第一个数字 J1 与十个模版进行逐一进行相关运算，得到他们之间的相关系数数组 K，求出其中相关系数最大的数对应的 K 序号，就可以识别出图片中此数字是几。比如上述程序识别出第一个数字是 6。

  • 用同样的方法可以得到：

k=zeros(1,10);
k(1)=corr2(J2,K0);
k(2)=corr2(J2,K1);
k(3)=corr2(J2,K2);
k(4)=corr2(J2,K3);
k(5)=corr2(J2,K4);
k(6)=corr2(J2,K5);
k(7)=corr2(J2,K6);
k(8)=corr2(J2,K7);
k(9)=corr2(J2,K8);
k(10)=corr2(J2,K9);
m=max(k);
n=find(k==m)-1

运算结果：在这里插入图片描述
相关系数结果比较：
在这里插入图片描述
所以第二个数字为 1。

  • 同理，我们可以识别出其他几个数字分别为：3、0、1。
    所以目标图像中的五个数字为：61301。

3 总结

对于图片中的其他字符，比如英文字母、汉字、或者其他符号的识别，其实与上面的数字提取识别大同小异。原理都是类似的，通过像素位置定位提取，再与模板进行相似比较。这样可能需要的模板更多，只适用于工作量比较小的情况，所以对与一些大工程识别，还需要更深入更复杂的解决方法，读者可以关注这方面的现况与发展，继续学习。
文章内容如有错误或疑问，敬请读者斧正。

YinCanned
关注
  • 19
    点赞
  • 踩
  • 85
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
专栏目录
基于Matlab的车牌识别(完整版)
GGMMM123的博客
12-04 1万+
车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个部分,最后识别出汽车车牌。
MATLAB车牌识别源代码 GUI 神经网络代码 完整案例 车牌定位
qJzqCMVQy的博客
01-05 1556
通过对车牌定位、字符提取和识别等步骤的详细介绍，读者可以全面了解车牌识别的原理和实现方法。系统设计 2.1 车牌定位 车牌定位是车牌识别的第一个关键步骤，本系统采用颜色信息提取的方法进行车牌区域的定位。6、车牌识别matlab（基于颜色的车牌识别程序，颜色信息提取、车牌区域定位、识别、提取、检测倾斜度、车牌校正、车牌区域二值化、擦除干扰区域、文字分割、模版匹配、结果输出。3、基于MATLAB中GUI的完整的车牌识别程序（包含完整的MATLAB程序，包括车牌定位，车牌识别，使用GUI采而人机交互很好。
基于图像处理的通用车牌识别系统
09-13
基于数字图像处理的车牌识别系统
【图像识别】车牌识别（Matlab实现）
最新发布
weixin_61181717的博客
05-22 692
车牌识别（License Plate Recognition，LPR），又称车牌自动识别（Automatic License Plate Recognition，ALPR），是一种通过使用光学字符识别技术和图像处理技术来识别车辆车牌上的文字与数字的技术。车牌识别系统通过摄像头拍摄车辆车牌的图像，然后利用图像处理和模式识别算法对图像进行处理和分析，最终识别出车牌上的文字和数字信息。文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。行百里者，半于九十。
数字图像处理大作业-基于模式匹配的车牌识别.rar
12-03
开发环境：matlab R2018b 内容：基于模式匹配的车牌识别 博客：https://blog.csdn.net/qq_44714521/article/details/117255128
基于图像处理交通信号灯识别算法
m0_59833680的博客
08-18 4024
基于图像处理交通信号灯识别算法摘 要：交通信号灯是智能车辆在城市环境中行驶的主要指示信号，在城市交通安全中发挥了不可或缺的作用。交通信号灯通常设在交叉口，能够供应智能车辆的方位信息，查看和辨认交通信号灯的情况是智能车辆感知的重要任务。在简单工况下，可在各种颜色空间中利用信号灯颜色的先进行分割得到兴趣区域，然后再通过信号灯所特有的形状特征等进行进一步的判定。关键词：智能车辆；感知；颜色空间前言智能车...
基于matlab的车牌识别
热门推荐
qq_43811597的博客
02-23 2万+
系统设计 MATLAB中的设计 一个完整的车牌号识别系统要完成从图像采集到字符识别输出，过程相当复杂，基本可以分成硬件部分跟软件部分，硬件部分包括系统触发、图像采集，软件部分包括图像预处理、车牌定位、字符分割、字符识别四大部分，一个车牌识别系统的基本结构如图： 图形预处理：扫描原始图像，并得出其对应的hsv图片 车牌定位：根据hsv算法，对图像像素点进行遍历，取出蓝色部分 字符分割：根据二值图像对字符进行分割 字符识别：根据字符模板，对分割后的字符进行匹配 I=imread...
经典Adaboost算法数字图像识别(附完整MATLAB代码)
corn1949的博客
01-27 1255
title('adaboost预测的结果','fontname','宋体');legend({'实际值','预测值'},'fontname','宋体');xlabel('测试样本号','fontname','宋体');ylabel('分类','fontname','宋体');disp('总准确率');
Matlab图像处理与图像识别技术概述
vipfanxu的博客
11-28 446
通过Matlab的丰富函数库和工具箱，我们可以实现图像的各种操作和处理，以及图像中目标的自动识别和跟踪。Matlab提供了丰富的函数来读取、显示和保存图像，同时也提供了像素级的操作函数，如亮度调整、对比度增强、图像滤波等。Matlab在医学影像领域有着广泛的应用，如医学图像的去噪、分割和特征提取，并可通过分类器来实现疾病的诊断和预测。Matlab提供了人脸识别算法的实现，通过人脸图像的特征提取和匹配，可以实现身份认证和门禁系统的应用。通过图像特征的提取和相似性度量，可以实现图像搜索和标注功能。
【matlab】车牌识别实现探讨
苏柒的博客
03-03 2648
这个是去年完成一个课程大作业时利用课余时间完成的matlab车牌识别程序，虽然本科阶段也接触过《数字图像处理》这门课，但是当时的学习也停留在了比较浅的阶段，又一直对这个课题挺感兴趣的，于是提交题目时就报了车牌识别。 很早之前的东西了，相对于现在的智能算法以及计算机视觉相关方面的研究，肯定是不够看的，不过这样接触一下也是挺有意思的。 文章目录正文基本步骤具体内容1.准备工作2.根据HSV色彩定位法定...
数字图像处理车牌识别课程设计matlab实现附源代码.doc
11-13
数字图像处理车牌识别课程设计matlab实现附源代码
数字图像处理-Matlab-车牌识别
12-15
近年来，汽⻋牌照自动识别技术已经越来越受到人们的重视，⻋牌自动识别技术的关键在于⻋牌定位、字符切割、字符识别及后续处理等。由于受到运算速度及内存大小的限制，以往的⻋牌识别大都是基于灰度图象处理的识别...
基于matlab的车牌识别设计报告数字图像处理课程设计
07-07
本文的车牌识别设计报告数字图像处理课程设计涵盖了车牌识别的研究背景意义、车牌识别原理概述、车牌识别系统程序设计等方面的内容，总结了基于 MATLAB 的车牌识别设计报告数字图像处理课程设计的要点。
chepaisihbie-matlab.rar_MATLAB 车牌图像_图像文本分割_图像预处理_数字图像处理_车牌识别 mat
07-14
6. **数字图像处理**：在字符分割和识别过程中，数字图像处理技术起着关键作用，包括形态学操作（如腐蚀、膨胀）用于去除噪声和连接断开的字符，以及细化操作用于清晰化字符边缘。 7. **神经网络字符识别**：最后...
MATLAB的图像处理字母识别
GPT_code的博客
01-21 862
在将截取下来的图像放入 digitalRec目录下 并改名为 .bmp作为测试输入图像。%注意A的size（长和宽都需被定义成5的倍数，因为后面要被5除）新建图像命名为10~14.jpg，用以输出识别出的图像。% A 被分成5*5=25个cell。所以根据样本库中的字母对应的数字编号。%%提取数字的边界，生成新的图。运行digRec01.m。'该数字被识别为：'
基于MATLAB BP神经网络的数字图像识别
Happyday763的博客
01-20 967
当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了。但这种模型强调图像必须与脑中的模板完全符合才能加以识别，而事实上人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像。同时,人能识别的图像是大量的，如果所识别的每一个图像在脑中都有一个相应的模板，也是不可能的。图像技术的基础性研究，特别是结合人工智能与视觉处理的新算法，从更高水平提取图像信息的丰富内涵，成为人类运算量最大、直观性最强，与现实世界直接联系的视觉和“形象思维”这一智能的模拟和复现，是一个很难而重要的任务。
【图像识别】基于卷积神经网络CNN实现车牌识别matlab源码
k8291121的博客
12-29 1861
【图像识别】基于卷积神经网络CNN实现车牌识别matlab源码
使用matlab通过图像亮度差异进行图像识别
m0_73639297的博客
04-20 305
摘要：使用matlab对图像的处理
基于Matlab实现车牌识别
weixin_68224607的博客
05-08 1924
对车牌进行水平垂直扫描，提取出白色像素点的位置存放到坐标数组中，对每个白点的横纵坐标相加得到最小的点就为车牌左上角，然后在得到的左上角的点和右上角的点根据车牌的大小相减车牌的宽高得到车牌的区域，然后设置图片中最大值和最小值做差后除以3得到二值化的阈值，将图片转化为二值图像后，消除图片中面积小于100的不连通的点。设计总体思路为车牌的二值化，提取车牌，对车牌进行水平和垂直扫描出车牌的每个字母，然后将字符模板与裁剪出的每个车牌字母进行模板匹配，最后得出识别结果。对比较闭运算的结果，明显除去了孤立的白点。
matlab数字图像处理车牌识别
09-22
MATLAB数字图像处理可以用于车牌识别。车牌识别系统的基本原理是将包含车辆牌照的图像输入到计算机中进行预处理，然后对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域。接下来，对字符进行二值化并将其分割为单个字符。最后，将每个字符与创建的字符模板进行匹配，匹配成功后输出车牌号码的数字。 车牌识别的工作流程如下图所示： 1. 导入图片 2. 图像预处理 3. 车牌定位 4. 车牌字符分割 5. 车牌字符识别 在MATLAB中，可以使用数字图像处理的函数和工具箱来实现车牌识别系统。其中，图像预处理包括灰度转换、二值化、均值滤波、腐蚀膨胀等操作；车牌定位通过搜索和检测来确定车牌的位置；车牌字符分割将车牌中的字符分离出来；车牌字符识别则将分割出的字符与字符模板进行匹配，最终输出车牌号码。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值