matlab图像定位分割,車牌定位matlab程序：通過hsv彩色分割方式定位車牌

最近看了《基於數字圖像處理的車牌識別研究》這篇論文，對車牌識別知識講的很仔細，推薦。

1.(摘自《基於數字圖像處理的車牌識別研究》)

通過對大量車牌圖像的分析，可以發現對於具有某種目標色的像素，可以直接通過對H、s、v三分量設定一個范圍來把它們過濾出來，無需進行較復雜的色彩距離計算， 這樣可以在色彩分割時節省大量的時間。這種過濾對藍色和黃色車牌特別有效，但對於黑色和白色的過濾效果不是很理想。這是因為對於純色的黑色和白色，它們的色調和飽和度沒有意義，所以和其它顏色相比缺少了兩個過慮指標。

根據這篇論文所講的步驟想要寫程序，開始居然是無從下手。通過參考各種車牌識別matlab程序，才寫出來第一個程序。此程序是針對藍色車牌的識別，識別效果還不錯，通過HSV顏色空間分割確實可行。

通過先驗知識，汽車車牌的HSV值可由下表確定：

2.藍色車牌HSV彩色分割定位Matlab程序：

clear all;clc;

[Im,Path]=uigetfile('*jpg','選擇圖片');

Image=imread([Path,Im]);

Image=im2double(Image);

s=size(Image,2)

I=rgb2hsv(Image);

[y,x,z]=size(I);

Blue_y = zeros(y, 1);

p=[0.56 0.71 0.4 1 0.3 1 0];

for i = 1 : y

for j = 1 : x

hij = I(i, j, 1);

sij = I(i, j, 2);

vij = I(i, j, 3);

if (hij>=p(1) && hij<=p(2)) &&( sij >=p(3)&& sij<=p(4))&&...

(vij>=p(5)&&vij<=p(6))

Blue_y(i, 1) = Blue_y(i, 1) + 1;

end

end

end

[~, MaxY] = max(Blue_y);

Th = p(7);

PY1 = MaxY;

while ((Blue_y(PY1,1)>Th) && (PY1>0))

PY1 = PY1 - 1;

end

PY2 = MaxY;

while ((Blue_y(PY2,1)>Th) && (PY2

PY2 = PY2 + 1;

end

PY1 = PY1 - 2;

PY2 = PY2 + 2;

if PY1 < 1

PY1 = 1;

end

if PY2 > y

PY2 = y;

end

It=Image(PY1:PY2,:,:);

subplot(231),imshow(It);

IY = I(PY1:PY2, :, :);

subplot(232),imshow(IY);

I2=im2bw(IY,0.5);

subplot(233),imshow(I2);

[y1,x1,z1]=size(IY);

Blue_x=zeros(1,x1);

for j = 1 : x1

for i = 1 : y1

hij = IY(i, j, 1);

sij = IY(i, j, 2);

vij = IY(i, j, 3);

if (hij>=p(1) && hij<=p(2)) &&( sij >=p(3)&& sij<=p(4))&&...

(vij>=p(5)&&vij<=p(6))

Blue_x(1, j) = Blue_x(1, j) + 1;

% bw1(i, j) = 1;

end

end

end

PY1,PY2

[~, MaxX] = max(Blue_x);

Th = p(7);

PX1 = MaxX;

while ((Blue_x(1,PX1)>Th) && (PX1>0))

PX1 = PX1 - 1;

end

PX2 = MaxX;

while ((Blue_x(1,PX2)>Th) && (PX2

PX2 = PX2 + 1;

end

Ita=Image(PY1:PY2,PX1:PX2,:);

subplot(234),imshow(Ita);

IX = I(PY1:PY2, PX1:PX2, :);

subplot(235),imshow(IX);

I3=im2bw(IX,0.5);

subplot(236),imshow(I3);

3.效果展示

(1)

(2)

(3)

不過改進空間還是很大，對於藍色車輛、深藍色車輛以及圖片中藍色較多的圖片，識別效果還是不行。