【车牌识别】基于matlab模板匹配车牌识别系统【源码24期】

最新推荐文章于 2024-08-09 22:08:49 发布

matlab代码设计

最新推荐文章于 2024-08-09 22:08:49 发布

阅读量672

点赞数 8

文章标签： matlab 计算机视觉图像处理语音识别开发语言

本文链接：https://blog.csdn.net/mdsjmatlab2432/article/details/138091900

版权

一、简介

基于matlab模板匹配车牌识别系统，车牌识别（License Plate Recognition, LPR）是智能交通系统中的重要组成部分，广泛应用于交通监控、违章记录、停车场管理等领域。随着计算机视觉和图像处理技术的发展，车牌识别系统的准确性和鲁棒性得到了显著提升。

模板匹配是一种经典的车牌识别方法，它通过计算模板与图像区域的相似度来定位车牌。模板匹配是一种基于相似性度量的图像匹配方法。在车牌识别中，首先准备一张包含车牌的模板图像，然后将其与输入图像中的各个区域进行匹配，找到最相似的区域，即车牌的位置。

二、部分源码

%%
clear;
close all;
clc;
%% 自动弹出提示框读取图像
[filename filepath] = uigetfile('.jpg', '输入一个需要识别的图像');
file = strcat(filepath, filename);
img = imread(file);
figure;
imshow(img);
title('车牌图像');

%% 灰度处理
img1 = rgb2gray(img); % RGB图像转灰度图像
figure;
subplot(1, 2, 1);
imshow(img1);
title('灰度图像');
subplot(1, 2, 2);
imhist(img1);
title('灰度处理后的灰度直方图');
%% 边缘提取
img4 = edge(img1, 'roberts', 0.15, 'both');
figure('name','边缘检测');
imshow(img4);
title('roberts算子边缘检测');

%% 图像腐蚀
se=[1;1;1];
img5 = imerode(img4, se);
figure('name','图像腐蚀');
imshow(img5);
title('图像腐蚀后的图像');

%% 平滑图像，图像膨胀
se = strel('rectangle', [30, 30]);
img6 = imclose(img5, se);
figure('name','平滑处理');
imshow(img6);
title('平滑图像的轮廓');

%% 从图像中删除所有少于2200像素8邻接
img7 = bwareaopen(img6, 2200);
figure('name', '移除小对象');
imshow(img7);
title('从图像中移除小对象');

%% 切割出图像
[y, x, z] = size(img7);
img8 = double(img7); % 转成双精度浮点型

% 车牌的蓝色区域
% Y方向
blue_Y = zeros(y, 1);
for i = 1:y
for j = 1:x
if(img8(i, j) == 1) % 判断车牌位置区域
blue_Y(i, 1) = blue_Y(i, 1) + 1; % 像素点统计
end
end
end

% 找到Y坐标的最小值
img_Y1 = 1;
while (blue_Y(img_Y1) < 5) && (img_Y1 < y)
img_Y1 = img_Y1 + 1;
end

% 找到Y坐标的最大值
img_Y2 = y;
while (blue_Y(img_Y2) < 5) && (img_Y2 > img_Y1)
img_Y2 = img_Y2 - 1;
end

% x方向
blue_X = zeros(1, x);
for j = 1:x
for i = 1:y
if(img8(i, j) == 1) % 判断车牌位置区域
blue_X(1, j) = blue_X(1, j) + 1;
end
end
end
% 找到x坐标的最小值
img_X1 = 1;
while (blue_X(1, img_X1) < 5) && (img_X1 < x)
img_X1 = img_X1 + 1;
end

% 找到x坐标的最小值
img_X2 = x;
while (blue_X(1, img_X2) < 5) && (img_X2 > img_X1)
img_X2 = img_X2 - 1;
end

% 对图像进行裁剪
img9 = img(img_Y1:img_Y2, img_X1:img_X2, :);
figure('name', '定位剪切图像');
imshow(img9);
title('定位剪切后的彩色车牌图像')

% 保存提取出来的车牌图像
imwrite(img9, '车牌图像.jpg');

%% 进行字符识别
liccode=char(['0':'9' 'A':'Z' '京辽鲁陕苏豫津贵']);%建立自动识别字符代码表；'京津沪渝港澳吉辽鲁
subBw2 = zeros(40, 20);
num = 1; % 车牌位数
for i = 1:7
ii = int2str(i); % 将整型数据转换为字符串型数据
word = imread([ii,'.jpg']); % 读取之前分割出的字符的图片
segBw2 = imresize(word, [40,20], 'nearest'); % 调整图片的大小
segBw2 = im2bw(segBw2, 0.5); % 图像二值化
if i == 1 % 字符第一位为汉字，定位汉字所在字段
kMin = 37;
kMax = 44;
elseif i == 2 % 第二位为英文字母，定位字母所在字段
kMin = 11;
kMax = 36;
elseif i >= 3 % 第三位开始就是数字了，定位数字所在字段
kMin = 1;
kMax = 36;
end

l = 1;
for k = kMin : kMax
fname = strcat('字符模板\',liccode(k),'.jpg'); % 根据字符库找到图片模板
samBw2 = imread(fname); % 读取模板库中的图片
samBw2 = im2bw(samBw2, 0.5); % 图像二值化

% 将待识别图片与模板图片做差
for i1 = 1:40
for j1 = 1:20
subBw2(i1, j1) = segBw2(i1, j1) - samBw2(i1 ,j1);
end
end
% 统计两幅图片不同点的个数，并保存下来
Dmax = 0;
for i2 = 1:40
for j2 = 1:20
if subBw2(i2, j2) ~= 0
Dmax = Dmax + 1;
end
end
end
error(l) = Dmax;
l = l + 1;
end
    % 找到图片差别最少的图像
errorMin = min(error);
findc = find(error == errorMin);
% 根据字库，对应到识别的字符
Code(num*2 - 1) = liccode(findc(1) + kMin - 1);
Code(num*2) = ' ';
num = num + 1;
      end
  % 显示识别结果
disp(Code);
msgbox(Code,'识别出的车牌号');