基于Matlab实现车牌识别

最新推荐文章于 2024-05-22 21:32:37 发布

是大洋呀

最新推荐文章于 2024-05-22 21:32:37 发布

阅读量2k

点赞数 29

文章标签： matlab

本文链接：https://blog.csdn.net/weixin_68224607/article/details/138573930

版权

具体代码见https://github.com/asdf854/-.git

一、任务描述

选择的内容是车牌识别。完成了12项功能分别为导入图片、图像灰度化、边缘检测、腐蚀、闭运算、形态滤波处理、车牌定位、车牌提取、车牌裁剪、车牌识别、语音播报、退出功能。

二、设计思路

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。

三、功能模块

1 图形的GUI设计

1.1算法原理

GUI（Graphical User Interfaces）中文名称为图形用户界面，是一种面向对象的设计，实现用户与计算机的交互。GUI模块是MATLAB的重要组成部分，因为在GUI设计时，MATLAB提供各种控件，比如菜单、文本框、按钮等，并且可以直接修改控件的属性，极大地方便编程。

GUI界面为一个图形界面，图形内有各种控件，对这些控件的操作是通过句柄（handle）完成，每个控件都有一个句柄，并且是唯一的。通过句柄选中对象，然后修改该对象的属性，完成对控件的精确控制。GUI给出很多控件，如图7-1所示，常用的控件有按钮、单选按钮、复选按钮、坐标轴、静态文本等等，每个控件都可编写回调函数，可以选择触发回调函数的条件，比如单击鼠标、选择菜单等等。

考虑到要实现12个功能，就设计了大量的按钮和文本框和坐标区，对应的结果单独放在一个图片框中。

1.2验结果及对比分析

2 导入图片

2.1 算法原理

导入图片之前，应该要将文本框里面和坐标区里面的内容设置为空对象。使用set函数将其设置为[]。然后再使用uigetfile方法读取文件内容。将图片命名为file激活第一第二个坐标区，将原图显示在第一个和第二个坐标区。

2.2 算法设计

axes(handles.axes1); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes2); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes3); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes4); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes5); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes6); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes7); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes8); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes9); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes10); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes11); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes12); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes13); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes14); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

axes(handles.axes15); cla reset; box on; set(gca, 'XTickLabel', [], 'YTickLabel', []);

set(handles.edit1, 'string', []);

[filename, pathname] = uigetfile({'*.jpg;*.tif;*.png;*.gif', 'All Image Files';...

    '*.*', '所有文件' }, '选择图像文件', fullfile(pwd, 'images/川F1A666.jpg'));



if filename == 0

    return;

end

% 文件名

file = fullfile(pathname, filename);

% 读取图片

Img = imread(file);

%激活第一个轴对象

axes(handles.axes1);

imshow(Img, []);

%激活第二个轴对象

axes(handles.axes2);

imshow(Img, []);

%保存为全局变量

handles.Img = Img;

guidata(hObject, handles);

2.3 实验结果及分析

3 图像灰度化

3.1 算法原理

使用im2gray函数对图像进行灰度化

3.2 算法设计

I_gray=rgb2gray(Img);

3.3 实验结果及分析

4边缘检测

4.1 算法原理

图像边缘检测主要用于增强图像中的轮廓边缘、细节以及灰度跳变部分，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。对比使用sobel算子和roberts算子对图像进行边缘检测。

4.2 算法设计

%利用Sobel算子进行边缘检测

% I_edge=edge(I_gray,'sobel');

%利用Roberts算子进行边缘检测效果更好

I_edge=edge(I_gray,'roberts');

4.3 实验结果及分析

Roberts算子检测结果

Sobel算子检测结果

5 腐蚀

5.1 算法原理

腐蚀是常见的形态学操作之一，它通过从图像边界中去除像素来精细地缩小图像中的对象。具体而言，它通过考虑每个像素的邻域并将其值设置为该邻域中所有像素中的最小值来实现这一点。在二进制图像中，如果任何相邻像素的值为0，则输出像素也设置为0。

5.2 算法设计

se=[1;1;1];   %三列的结构元素

%对边缘图像进行腐蚀

I_erode=imerode(I_edge,se);

5.3 实验结果及分析

6 闭运算

6.1 算法原理

先对图像执行膨胀操作，然后再进行腐蚀操作。这个过程可以消除图像中的小孔洞，填充小的断裂，平滑物体的边界，以及连接窄的间隙。

6.2 算法设计

se=strel('rectangle',[25,25]);  %模板为25*25矩形

I_close=imclose(I_erode,se);

6.3 实验结果及分析

7 形态滤波处理

7.1 算法原理

形态学处理面积小于1500的部分，即去除掉图像中不连通的白点。

7.2 算法设计

I_final=bwareaopen(I_close,1500);

7.3 实验结果及分析

对比较闭运算的结果，明显除去了孤立的白点。

8 车牌提取

8.1 算法原理

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。

8.2 算法设计

%%车牌提取%%

I_final=handles.I_final;

Img=handles.Img;

I_new=zeros(size(I_final,1),size(I_final,2));

location_of_1=[];

%寻找二值图像中白的点的位置

for i=1:size(I_final,1)

    for j=1:size(I_final,2)

        if I_final(i,j)==1;

            newlocation=[i,j];

            location_of_1=[location_of_1;newlocation];

        end

    end

end

mini=inf;maxi=0;

%寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置

for i=1:size(location_of_1,1)

    temp=location_of_1(i,1)+location_of_1(i,2);

    if temp<mini

        mini=temp;

        a=i;

    end

    if temp>maxi

        maxi=temp;

        b=i;

    end

end

%和最小的点为车牌的左上角

first_point=location_of_1(a,:);

%和最大的点为车牌的右下角

last_point=location_of_1(b,:);

%坐标值修正

x1=first_point(1)+10;

x2=last_point(1)-4;

y1=first_point(2)+10;

y2=last_point(2)-4;

I_plate=Img(x1:x2,y1:y2);

g_max=double(max(max(I_plate)));

g_min=double(min(min(I_plate)));

% T为二值化的阈值

T=round(g_max-(g_max-g_min)/3);

I_plate =im2bw (I_plate,T/256);

I_plate=bwareaopen(I_plate,20);

I_plate(: ,y2)=0;

axes(handles.axes8);

I_plate=bwareaopen(I_plate,100);

%画出最终车牌

imshow(I_plate)

8.3 实验结果及分析

9 车牌定位

9.1 算法原理

将上一步提取的车牌的横坐标的范围和纵坐标的范围放在两个坐标区域中，使用plot函数在原图中框选出来。

9.2 算法设计

x1 =handles.x1;

x2 =handles.x2;

y1 =handles.y1;

y2 =handles.y2;

axes(handles.axes1); hold on;

row = [x1 x2];

col = [y1 y2];

plot([col(1) col(2)],[row(1) row(1)],'r-','LineWidth',3);

plot([col(1) col(2)],[row(2) row(2)],'r-','LineWidth',3);

plot([col(1) col(1)],[row(1) row(2)],'r-','LineWidth',3);

plot([col(2) col(2)],[row(1) row(2)],'r-','LineWidth',3);

hold off;

9.3 实验结果及分析

10 车牌裁剪

10.1 算法原理

使用for循环7次分别对应7个字符，然后对车牌每列进行垂直扫描，如果列发生变化说明不是裁剪的垂直分割线，对车牌每行进行水平扫描，如果行发生变化说明不是裁剪的水平分割线，将分割的图像归一化模板的大小，然后放入char中。将每个字符单独显示到一个坐标区中。

10.2 算法设计

%用来存放水平分割线的横坐标

X=[];

z=0;

flag=0;



for j=1:size(I_plate,2)

    sum_y=sum(I_plate(:,j));

    %列和有变化时，记录下此列

    if logical(sum_y)~=flag

        if(j-z>10)

            X=[X j];

            flag=logical(sum_y);

            %用z记录上一个j的值，防止两个列坐标间隔太小

            z=j;

        end

    end

   

end



for n=1:7

    %进行粗分割

    char=I_plate(:,X(2*n-1):X(2*n)-1);

    %这两个for循环对分割字符的上下进行裁剪

    for i=1:size(char,1)

        if sum(char(i,:))~=0

            top=i;

            break

        end

    end

    for i=1:size(char,1)

        if sum(char(size(char,1)-i,:))~=0

            bottom=size(char,1)-i;

            break

        end

    end

    char=char(top:bottom,:);

    %归一化为40*20的大小，以便模板匹配

    char=imresize(char,[40,20],'nearest');

    segchar(n,:,:)=char(:,:);

    %将分割的字符放入Char_i中

    eval(strcat('Char_',num2str(n),'=char;'));

end

%保存全局变量

handles.Char_1 = Char_1;

handles.Char_2 = Char_2;

handles.Char_3 = Char_3;

handles.Char_4 = Char_4;

handles.Char_5 = Char_5;

handles.Char_6 = Char_6;

handles.Char_7 = Char_7;

handles.x1 = x1;

handles.x2 = x2;

handles.y1 = y1;

handles.y2 = y2;

axes(handles.axes9);



imshow(Char_1)

axes(handles.axes10);

imshow(Char_2)

axes(handles.axes11);

imshow(Char_3)

axes(handles.axes12);

imshow(Char_4)

axes(handles.axes13);

imshow(Char_5)

axes(handles.axes14);

imshow(Char_6)

axes(handles.axes15);

imshow(Char_7)

10.3 实验结果及分析

11 车牌识别

11.1 算法原理

车别识别使用的是模板运算，将分割好的每个字符与二值化后的模板进行减运算得到的插值记为Differ，然后计算出绝对值最小的Differ，就可以识别出是哪个字符。

11.2 算法设计

char=[];

store1=strcat('贵','豫','粤','湘','鄂','皖','鲁','藏','京','苏','黑','吉','冀','晋','辽','浙','津','闽','云','陕','琼');  %创建汉字识别模板库

for j=1:21

    Im=Char_1;

    Template=imread(strcat('车牌汉字库\',num2str(j),'.jpg'));

    Template=im2bw(Template);

    Differ=Im-Template;

    Compare(j)=sum(sum(abs(Differ)));

end

index=find(Compare==(min(Compare)));

char=[char store1(index)];

store2=strcat('A','B','C','D','E','F','G','H','J','K','L','M','N','P','Q','R','S','T','U','V','W','X','Y','Z','0','1','2','3','4','5','6','7','8','9'); %创建字母与数字识别模板库

for i=2:7

    for j=1:34

        Im=eval(strcat('Char_',num2str(i)));

        Template=imread(strcat('车牌字符库\',num2str(j),'.jpg'));

        Template=im2bw(Template);

        Differ=Im-Template;

        Compare(j)=sum(sum(abs(Differ)));

    end

    index=find(Compare==(min(Compare)));

    char=[char store2(index)];

end

set(handles.edit1, 'string', strcat('识别结果:',char), 'FontWeight', 'Bold', 'FontSize', 12, 'ForegroundColor', [1 0 0]);

handles.char = char;

guidata(hObject,handles);

11.3 实验结果及分析

12 语音播报

12.1 算法原理

语音播报主要是使用 PowerShell 执行语音合成操作。它将识别结果char的字符串转换为语音输出。

12.2 算法设计

char =handles.char;

command = ['Add-Type -AssemblyName System.Speech; $speak = New-Object System.Speech.Synthesis.SpeechSynthesizer; $speak.Speak(''', char, ''')'];

system(['powershell.exe -Command "', command, '"']);

13退出功能

13.1 算法原理

使用 close(handles.figure1) 这个命令。这会关闭figure窗口，从而退出车牌识别程序。

13.2 算法设计

close(handles.figure1);

是大洋呀

关注

29
点赞
踩
48

收藏

觉得还不错? 一键收藏
1
评论
基于Matlab实现车牌识别

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。
复制链接

扫一扫