- 实践目的
车牌是一辆汽车独一无二的信息,因此,对车辆牌照的识别技术可以作为
辨识一辆车最为有效的方法。随着ITS(智能交通系统)的高速发展,对车牌识别技术的研究也随之发展。从根本上讲,牌照识别应用了先进的图像处理,模式识别,人工智能技术来获取,处理,解释,记录拍照的图像。目前, 汽车牌照的自动识别技术已经得到了广泛应用。
汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块,其中字符识别过程主要由以下3个部分组成:①正确地分割文字图像区域;②正确的分离单个文字;③正确识别单个字符。用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
- 实践原理
![v2-d4b467b91f11c0586d58ee9ce44b316d_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/67497e0d17edcdeb1b18f563131e5649.png)
车牌图像通常是在各种复杂的背景、环境条件下采集得到,图像质量难以保证,因此在进行车牌定位之前,通常要进行图像的预处理工作。图像预处理主要是对系统获取的原始图像基本特征的信息进行相应的、有针对性的处理,以滤去干扰、噪声,作几何校正、色彩校正,以便于计算机的分析计算,一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等。
![v2-7cc63db131ef75171a084e654d64b162_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/d98642956775f00fa2d0e3ae2e9cddcb.png)
图2 车牌图像预处理流程图
- 实践内容
- 车牌预处理(灰度化、去噪、灰度变换、边缘检测、
形态学处理)
由于照片拍摄的好坏有很多外界因素决定,由于光照强度的影响,晴天拍摄的照片与阴天拍摄的照片质量肯定不一样,白天和晚上更是不同;由于每部车的车速的不一致,慢速行驶的车辆会比快速行驶的车辆拍摄的照片质量好一些,而且车速过快,会使照片的字迹模糊,这肯定会影响字符的识别。故要对拍摄的照片进行灰度化、二值化、滤波等预处理。传统的设计方法为:利用静止的汽车牌照图片,利用C 语言或C++语言来对图像进行处理,编程很复杂,维护难度大。而MATLAB 语言对处理图像而言非常方便,可直接调用已经编好的函数,如可直接调用现成的函数进行复杂的傅里叶变换、拉普拉斯变换、二值化处理、数字滤波等操作。
- 车牌定位
- 字符分割
- 字符识别
程序如下:
I=imread('C:\Documents and Settings\Administrator\桌面\yu.jpg');
figure(1),imshow(I);title('原图');
![v2-dbf8cc7b75ac752215e5b24eef962e8e_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/87bc6f530970af9927fd71e12fd647b5.jpeg)
I1=rgb2gray(I);
figure(2),subplot(1,2,1),imshow(I1);title('灰度图');
figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');
![v2-9bd1b98bf3c74b27be81c2425e07cf8b_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/d0be5c564d28b20ef95848b7087dcd18.png)
I2=edge(I1,'roberts',0.08,'both');
figure(3),imshow(I2);title('robert算子边缘检测')
![v2-ed568c3ce8a3c6fda9ac9701f3464287_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/e117e4e8ee1d2a0786e6473382472df6.png)
se=[1;1;1];
I3=imerode(I2,se);
figure(4),imshow(I3);title('腐蚀后图像');
![v2-c96a2e7592093f96604de845cbed1e43_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/b4d6cc1ebfa1a2a1fa4e4850cc22201a.png)
se=strel('rectangle',[40,40]);
I4=imclose(I3,se);
figure(5),imshow(I4);title('平滑图像的轮廓');
![v2-43871339ef7d29625922729b8f3a96a8_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/e53a771f87e6ba759c19c886bfd33d0d.png)
I5=bwareaopen(I4,2000);
figure(6),imshow(I5);title('从对象中移除小对象');
![v2-1d4234bbec2e4512ff5b0d5e2c4be599_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/888dbaa931685a15c5493ac1c650a665.png)
[y,x,z]=size(I5);
myI=double(I5);
tic
[temp MaxY]=max(Blue_y);
PY1=MaxY;
while((Blue_y(PY1,1)>=120)&&(PY1>1))
PY1=PY1-1;
end
PY2=MaxY;
while((Blue_y(PY2,1)>=40)&&(PY2<y))
PY2=PY2+1;
end
IY=I(PY1:PY2,:,:);
Blue_x=zeros(1,x);
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
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=PX1-2;
PX2=PX2+2;
dw=I(PY1:PY2,:,:);
t=toc;
figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');
figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')
![v2-6adaaafd06a5deb688be00bc677e9ccf_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/e532526c2002c480607408a4a3dbb774.png)
imwrite(dw,'dw.jpg');
[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');
jpg=strcat(filepath,filename);
a=imread('dw.jpg');
b=rgb2gray(a);
imwrite(b,'1.车牌灰度图像.jpg');
figure(8);subplot(3,2,1),imshow(b),title('1.车牌灰度图像')
g_max=double(max(max(b)));
g_min=double(min(min(b)));
T=round(g_max-(g_max-g_min)/3);
[m,n]=size(b);
d=(double(b)>=T);
imwrite(d,'2.车牌二值图像.jpg');
figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像')
figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')
h=fspecial('average',3);
d=im2bw(round(filter2(h,d)));
imwrite(d,'4.均值滤波后.jpg');
figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后')
se=strel('square',3);
se=eye(2);
[m,n]=size(d);
if bwarea(d)/m/n>=0.365
d=imerode(d,se);
elseif bwarea(d)/m/n<=0.235
d=imdilate(d,se);
end
imwrite(d,'5.膨胀或腐蚀处理后.jpg');
figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')
![v2-357624c4334b7ef8fa06cdbf4fe487ea_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/4d42e64110c825ceca451eccd0b1d958.png)
d=qiege(d);
[m,n]=size(d);
figure,subplot(2,1,1),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;
end
end
d=qiege(d);
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
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)],:)));
if two_thirds/all>y2
flag=1;word1=temp;
end
d(:,[1:wide])=0;d=qiege(d);
end
end
[word2,d]=getword(d);
[word3,d]=getword(d);
[word4,d]=getword(d);
[word5,d]=getword(d);
[word6,d]=getword(d);
[word7,d]=getword(d);
figure(9),imshow(word1),title('1');
figure(10),imshow(word2),title('2');
figure(11),imshow(word3),title('3');
figure(12),imshow(word4),title('4');
figure(13),imshow(word5),title('5');
figure(14),imshow(word6),title('6');
figure(15),imshow(word7),title('7');
![v2-1714969dedf619a1e8864f09529af1b6_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/f7a35335f7a19863229a8845cd38973d.png)
![v2-a760ab1e747129de4bbff2d3815d7599_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/850014fec3b6155e8c1c6c60729b92f1.png)
![v2-84df14c002c939e7a0223db570715010_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/ccfb59abec473926212ecccd7ff71a01.png)
![v2-fd2fd5f892652d9e2964edb933ddabca_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/039b016f63196b949b2aae64850ec188.png)
![v2-ea49bbc69983ca52212f4087a70751e7_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/ce2c296b590ae9a43e82b6f157d662c8.png)
![v2-d4089529173bc2e1e9eeabb4b01a589a_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/017a3ece449bbd6b0e158f7a51e30074.png)
![v2-77bd6e203e6169e26b2ba4f724177c67_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/2b298e2ef6084a8c71e98f74cf54b151.png)
[m,n]=size(word1);
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]);
figure(16);
![v2-b663a0dcfb66a97ce346148733eac3e6_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/7cb5c750e1496cf65d18946cd92f56f3.png)
subplot(3,7,8),imshow(word1),title('1');
subplot(3,7,9),imshow(word2),title('2');
subplot(3,7,10),imshow(word3),title('3');
subplot(3,7,11),imshow(word4),title('4');
subplot(3,7,12),imshow(word5),title('5');
subplot(3,7,13),imshow(word6),title('6');
subplot(3,7,14),imshow(word7),title('7');
imwrite(word1,'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');
liccode=char(['0':'9' 'A':'Z' '鲁陕苏渝京']);
SubBw2=zeros(40,20); % 创建一个40行20列的0矩阵
l=1;
for I=1:7
ii=int2str(I); % 将整型数据转换为字符串型数据
t=imread([ii,'.jpg']);% 依次读入七位车牌字符
SegBw2=imresize(t,[40 20],'nearest'); % 对读入的字符进行缩放
if I==1 % 第一位汉字识别
kmin=37;
kmax=43;
elseif I==2 % 第二位 A~Z 字母识别
kmin=11;
kmax=36;
else % 第三位以后是字母或数字识别 ;即I>=3
kmin=1;
kmax=36;
end
for k2=kmin:kmax
fname=strcat('字符模板\',liccode(k2),'.jpg'); % strcat函数:连接字符串
SamBw2 = imread(fname);
for i=1:40
for j=1:20
SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
end
end
% 以上相当于两幅图相减得到第三幅图 进行匹配
Dmax=0; % 与模板不同的点个数
end
Error(k2)=Dmax; % 记录下字符与模板k2不同的点个数
end
Error1=Error(kmin:kmax);
MinError=min(Error1); % 差别最小的
findc=find(Error1==MinError); % 找出差别最小的模板
Code(l)=liccode(findc(1)+kmin-1); % 此处用2*l-1且后面的2*l=' ',第隔一空格输出一个字符
Code(3)=' ';Code(4)=' ';
l=l+1;
if l==3;% 后五位与前两位字符隔开
l=l+2;
end
end
figure(10),subplot(5,7,1:7),imshow(dw),title('第一步:车牌定位'),
xlabel({'第二步:车牌分割'}); %'',
subplot(6,7,15),imshow(word1);
subplot(6,7,16),imshow(word2);
subplot(6,7,17),imshow(word3);
subplot(6,7,18),imshow(word4);
subplot(6,7,19),imshow(word5);
subplot(6,7,20),imshow(word6);
subplot(6,7,21),imshow(word7);
subplot(6,7,22:42),imshow('dw.jpg');%
xlabel(['第三步:识别结果为: ', Code],'Color','b');
}
void t0(void) interrupt 1 using 0
{
TH0=STH0;
TL0=STL0;
P1_0=~P1_0;
}
s=strcat('渝','A','N','7','9','6','8');
figure(25);
imshow(dw),title(s);
![v2-5275d80d0616db1f8033977beb1c4b2e_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/9cdda588265dd44fb5a15cf7ca85dc98.jpeg)