Matlab 合照识别,MATLAB--数字图像处理 车牌识别之简易识别程序

本文详细介绍了车牌识别过程,包括图像读取、灰度化、边缘检测、形态学操作,以及通过蓝绿像素统计定位车牌区域。重点展示了车牌区域提取、二值化、腐蚀膨胀处理和最终识别步骤。适合初学者了解车牌识别技术的基本流程。
摘要由CSDN通过智能技术生成

车牌识别之简易识别程序

代码

I=imread('car2.jpg');

figure(1),imshow(I);title('原图')

I1=rgb2gray(I);%功能是将真彩色图像转换为灰度图像,即灰度化处理

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');

I2=edge(I1,'Prewitt',0.15,'both');

%功能是采用I作为它的输入,并返回一个与I相同大小的二值化图像BW,在函数检测到边缘的地方为1,其他地方为0

figure(3),imshow(I2);title(' Prewitt算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);%腐蚀

figure(4),imshow(I3);title('腐蚀后图像');

se=strel('rectangle',[25,25]);

I4=imclose(I3,se);

figure(5),imshow(I4);title('平滑图像的轮廓');

I5=bwareaopen(I4,2000);%作用是删除二值图像BW中面积小于2000的对象

figure(6),imshow(I5);title('从对象中移除小对象');

[y,x,z]=size(I5);

myI=double(I5);%double类型

tic %tic用来保存当前时间,而后使用toc来记录程序完成时间

Blue_y=zeros(y,1);%zeros功能是返回一个m×n×p×...的double类零矩阵

for i=1:y

for j=1:x

if(myI(i,j,1)==1)

Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计

end

end

end

[temp MaxY]=max(Blue_y);%Y方向车牌区域确定

PY1=MaxY;

while ((Blue_y(PY1,1)>=5)&&(PY1>1))

PY1=PY1-1;

end

PY2=MaxY;

while ((Blue_y(PY2,1)>=5)&&(PY2

PY2=PY2+1;

end

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

%%%%%% X方向 %%%%%%%%%

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

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

PX1=PX1+1;

end

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

PX1=PX1-1;%对车牌区域的校正

PX2=PX2+1;

dw=I(PY1:PY2-8,PX1:PX2,:);

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')

imwrite(dw,'dw.jpg');

a=imread('dw.jpg');

b=rgb2gray(a);%功能是将真彩色图像转换为灰度图像,即灰度化处理

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); % T 为二值化的阈值 向最近的方向取整

[m,n]=size(b);

d=(double(b)>=T); % d:二值图像

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')

% 均值滤波处理

h=fspecial('average',3);

d=im2bw(round(filter2(h,d)));%filter2(B,X),B为滤波器.X为要滤波的数据,这里将B放在X上,一个一个移动进行模板滤波.

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=eye(2);%产生m×n的单位矩阵

[m,n]=size(d);

if bwarea(d)/m/n>=0.365 %bwarea是计算二值图像中对象的总面积的函数

d=imerode(d,se);%腐蚀

elseif bwarea(d)/m/n<=0.235

d=imdilate(d,se);%膨胀

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')

实验结果图(识别成功率比较低 仅供学习)

9b7476bbdfa5

在这里插入图片描述

实验用图

9b7476bbdfa5

在这里插入图片描述

实验所用样本库

下载地址

使用时将 D:\MATLAB2018\bin\样品库\ 改为自己放样品库的位置

9b7476bbdfa5

haihong.png

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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