通 信 原 理 课 程 设 计题目

课程设计
--- 基于MATLAB的车牌识别系统
一．设计题目
基于MATLAB的车牌识别系统设计
二．设计目标
车牌识别系统的摄像头通过对经过指定区域的机动车辆进行拍照，因为照片会受到光照、拍摄位置和车辆行驶速度的影响，导致拍摄的图片不能准确的确定汽车的车牌。

而车牌识别系统就通过对机动车辆的照片进行图像预处理、车牌定位、字符分割、字符识别等技术手段，从而得到清晰的机动车牌照的照片，从而提高现代智能交通的管理效率，可以说车牌识别系统对于现代智能交通至关重要。

三．设计要求
1. 了解车牌识别系统性能
2. 软件设计流程
3. 利用MATLAB软件编写程序，并对系统进行仿真，给出各部分波形及频谱图
四．设计原理
汽车牌照识别（LPR）系统通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。

在LPR 系统产品的性能指标中，识别率和识别速度难以同时提高其中原因既包括图像处理技术不够成熟，又受到摄像设备计算机等性能的限制。

因此，研究高速准确的定位与识别算法，是当前的主要任务。

汽车车牌自动识别系统主要包括触发拍照、图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等单元。

触发拍照：该单元会自动检测车辆在指定区域的存在，现有的成熟技术的有线圈触发、视频触发、红外触发、雷达触发以及激光触发。

其中线圈触发和视频触发得到了广泛的应用。

图像采集：该单元是指道路上安装的摄像头在检测到有车辆通过的同时进行拍照并借助网络传送到汽车自动识别系统。

图像预处理：该单元是指车牌识别系统对拍摄的汽车图片进行灰度化和边缘检测等处理。

在外界光照不均匀，光照强度不稳定的情况下，通过摄像机采集到的车牌原始图像会模糊不清，因此需要对其进行图像增强的处理；在外界环境噪声以及电子器件自身产生的噪声干扰下，车牌图像质量会有所下降，因此需要对
原图像进行去噪处理等等。

以上所做的这些处理均属于图像预处理的工作。

车牌定位：是指对预处理过的汽车图片进行处理，把车牌部分进行定位，把无用的部分去除，得到定位好的车牌图片。

在一张完整的车辆图像中，大部分区域都是背景图像，对识别工作毫无意义，我们可以将背景区域视为无用区域，并设法将其去除，即从复杂的背景图像中准确的定位并分割出车牌区域图像，从原图像中提取出需要的部分舍弃不需要的部分，以便节省系统识别时间，这也是车牌定位分割的目的及意义所在。

在定位分割的过程中要保证不能把非车牌区域误判为车牌区域，也不能漏检车牌区域，否则后继的工作将无法进行。

字符分割：对已经定位的车牌图片的进行字符分割，将车牌分割为7个单一的字符图片。

被分离出的车牌区域图像，系统并不能直接对其进行识别，还需要将车牌上的每一个字符都独立的完整的分割出来，即从车牌区域图像中将车牌上所包含的每一个字符都切分出来，使其成为不具有任何相关性的单个字符图像，再由系统分别对每个字符进行识别，在对字符进行切分时，要注意保证每个字符的完整度。

字符识别：车牌字符识别是最为关键的一步，前面对车牌图像所做的处理都是为了完成最终的识别。

系统输入的是单个的字符图像，输出的却是文本格式的完整的车牌号码，车牌字符识别的准确率直接反映出车牌识别系统性能的好坏。

输出结果：输出识别结果，并进行数据存储。

对于车牌识别系统而言，以上的每一个步骤都是必不可少的，并且后一步骤均是建立在前面步骤的基础之上进行的，因此，只有确保做好每一步才能顺利完成系统最终的识别工作。

五．程序代码：
clear ;
close all;
%Step1 获取图像装入待处理彩色图像并显示原始图像
Scolor = imread('E:\5.jpg');%imread函数读取图像文件，M*N*3,1,2,3代表RGB三个分量2.jpg 5.jpg 35 28
%将彩色图像转换为黑白并显示
Sgray = RGB2GRAY(Scolor);%rgb2gray转换成灰度图，M*N
figure,imshow(Scolor),title('原始彩色图像');
figure,imshow(Sgray),title('原始黑白图像');%figure命令新建一个窗口显示图像
%Step2 图像预处理对Sgray 原始黑白图像进行开操作得到图像背景
s=strel('disk',20);%strel函数构造结构元素灰度图像的形态学处理
Bgray=imopen(Sgray,s);%打开sgray s图像
figure,imshow(Bgray);title('背景图像');%输出背景图像
%用原始图像与背景图像作减法，增强图像
Egray=imsubtract(Sgray,Bgray);%两幅图相减
figure,imshow(Egray);title('增强黑白图像');%输出黑白图像
%Step3 取得最佳阈值，将图像二值化
fmax1=double(max(max(Egray)))%egray的最大值并输出双精度型
fmin1=double(min(min(Egray)))%egray的最小值并输出双精度型
level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值
bw22=im2bw(Egray,level);%转换图像为二进制图像
bw2=double(bw22);
figure,imshow(bw2);title('图像二值化');%得到二值图像
%Step4 对得到二值图像作开闭操作进行滤波
grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界
figure,imshow(grd);title('图像边缘提取');%输出图像边缘
bg1=imclose(grd,strel('rectangle',[5,19]));%取矩形框的闭运算
figure,imshow(bg1);title('图像闭运算[5,19]');%输出闭运算的图像平滑图像的轮廓，融合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙
bg3=imopen(bg1,strel('rectangle',[5,19]));%取矩形框的开运算
figure,imshow(bg3);title('图像开运算[5,19]');%输出开运算的图像平滑图像的轮廓，消弱狭窄的部分，去掉细的突出。

bg2=imopen(bg3,strel('rectangle',[19,1]));%取矩形框的开运算
figure,imshow(bg2);title('图像开运算[19,1]');%输出开运算的图像
%Step5 对二值图像进行区域提取，并计算区域特征参数。

进行区域特征参数比
较，提取车牌区域
[L,num] = bwlabel(bg2,8);%标注二进制图像中已连接的部分
%Feastats = imfeature(L,'basic');%计算图像区域的特征尺寸
Feastats = regionprops(L,'basic');%计算图像区域的特征尺寸
Area=[Feastats.Area];%区域面积
BoundingBox=[Feastats.BoundingBox];%[x y width height]车牌框架大小
RGB = label2rgb(L, 'spring', 'k', 'shuffle'); %标志图像向RGB图像转换
figure,imshow(RGB);title('图像彩色标记');%输出框架的彩色图像
lx=0;
for l=1:num%找出车牌区域
width=BoundingBox((l-1)*4+3);%框架宽度的计算
hight=BoundingBox((l-1)*4+4);%框架高度的计算
if (width>98 & width<150 & hight>25 & hight<50)%框架的宽度和高度的范围lx=lx+1
Getok(lx)=l;
end
end
for k= 1:lx
l=Getok(k);
startcol=BoundingBox((l-1)*4+1)-2;%开始列
startrow=BoundingBox((l-1)*4+2)-2;%开始行
width=BoundingBox((l-1)*4+3)+8;%车牌宽
hight=BoundingBox((l-1)*4+4)+2;%车牌高
rato=width/hight;%计算车牌长宽比
if rato>2 & rato<4
break;
end
end
sbw1=bw2(startrow:startrow+hight,startcol:startcol+width-1); %获取车牌二值子图
subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%获取车牌灰度子图
figure,subplot(2,1,1),imshow(subcol1);title('车牌灰度子图');%输出灰度图
subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出车牌的二值图
%Step6 计算车牌水平投影，并对水平投影进行峰谷分析
histcol1=sum(sbw1); %计算垂直投影
histrow=sum(sbw1'); %计算水平投影
figure,subplot(2,1,1),bar(histcol1);title('垂直投影(含边框)');%输出垂直投影subplot(2,1,2),bar(histrow); title('水平投影(含边框)');%输出水平投影figure,subplot(2,1,1),bar(histrow); title('水平投影(含边框)');%输出水平投影subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图
%对水平投影进行峰谷分析
meanrow=mean(histrow);%求水平投影的平均值
minrow=min(histrow);%求水平投影的最小值
levelrow=(meanrow+minrow)/2;%求水平投影的平均值
count1=0;
l=1;
for k=1:hight
if histrow(k)<=levelrow
count1=count1+1;
else
if count1>=1
markrow(l)=k;%上升点
markrow1(l)=count1;%谷宽度(下降点至下一个上升点)
l=l+1;
end
count1=0;
end
end
markrow2=diff(markrow);%峰距离(上升点至下一个上升点)
[m1,n1]=size(markrow2);
n1=n1+1;
markrow(l)=hight;
markrow1(l)=count1;
markrow2(n1)=markrow(l)-markrow(l-1);
l=0;
for k=1:n1
markrow3(k)=markrow(k+1)-markrow1(k+1);%下降点
markrow4(k)=markrow3(k)-markrow(k);%峰宽度(上升点至下降点)
markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置end
%Step7 计算车牌旋转角度
%(1)在上升点至下降点找第一个为1的点
[m2,n2]=size(sbw1);%sbw1的图像大小
[m1,n1]=size(markrow4);%markrow4的大小
maxw=max(markrow4);%最大宽度为字符
if markrow4(1) ~= maxw%检测上边
ysite=1;
k1=1;
for l=1:n2
for k=1:markrow3(ysite)%从顶边至第一个峰下降点扫描
if sbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
break;
end
end
end
else %检测下边
ysite=n1;
if markrow4(n1) ==0
if markrow4(n1-1) ==maxw
ysite= 0; %无下边
else
ysite= n1-1;
end
end
if ysite ~=0
k1=1;
for l=1:n2
k=m2;
while k>=markrow(ysite) %从底边至最后一个峰的上升点扫描
if sbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
break;
end
k=k-1;
end
end
end
end
%(2)线性拟合，计算与x夹角
fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2
p1=fresult.p1;
angle=atan(fresult.p1)*180/pi; %弧度换为度，360/2pi, pi=3.14
%(3)旋转车牌图象
subcol = imrotate(subcol1,angle,'bilinear','crop'); %旋转车牌图象
sbw = imrotate(sbw1,angle,'bilinear','crop');%旋转图像
figure,subplot(2,1,1),imshow(subcol);title('车牌灰度子图');%输出车牌旋转后的灰度图像标题显示车牌灰度子图
subplot(2,1,2),imshow(sbw);title('');%输出车牌旋转后的灰度图像
title(['车牌旋转角: ',num2str(angle),'度'] ,'Color','r');%显示车牌的旋转角度
%Step8 旋转车牌后重新计算车牌水平投影，去掉车牌水平边框，获取字符高度histcol1=sum(sbw); %计算垂直投影
histrow=sum(sbw'); %计算水平投影
figure,subplot(2,1,1),bar(histcol1);title('垂直投影(旋转后)');
subplot(2,1,2),bar(histrow); title('水平投影(旋转后)');
figure,subplot(2,1,1),bar(histrow); title('水平投影(旋转后)');
subplot(2,1,2),imshow(sbw);title('车牌二值子图(旋转后)');
%去水平(上下)边框,获取字符高度
maxhight=max(markrow2);
findc=find(markrow2==maxhight);
rowtop=markrow(findc);
rowbot=markrow(findc+1)-markrow1(findc+1);
sbw2=sbw(rowtop:rowbot,:); %子图为(rowbot-rowtop+1)行
maxhight=rowbot-rowtop+1; %字符高度(rowbot-rowtop+1)
%Step9 计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度histcol=sum(sbw2); %计算垂直投影
figure,subplot(2,1,1),bar(histcol);title('垂直投影(去水平边框后)');%输出车牌的垂直投影图像
subplot(2,1,2),imshow(sbw2); %输出垂直投影图像
title(['车牌字符高度：',int2str(maxhight)],'Color','r');%输出车牌字符高度
%对垂直投影进行峰谷分析
meancol=mean(histcol);%求垂直投影的平均值
mincol=min(histcol);%求垂直投影的平均值
levelcol=(meancol+mincol)/4;%求垂直投影的1/4
count1=0;
l=1;
for k=1:width
if histcol(k)<=levelcol
count1=count1+1;
else
if count1>=1
markcol(l)=k; %字符上升点
markcol1(l)=count1; %谷宽度(下降点至下一个上升点)
l=l+1;
end
count1=0;
end
end
markcol2=diff(markcol);%字符距离(上升点至下一个上升点)
[m1,n1]=size(markcol2);
n1=n1+1;
markcol(l)=width;
markcol1(l)=count1;
markcol2(n1)=markcol(l)-markcol(l-1);
%Step10 计算车牌上每个字符中心位置，计算最大字符宽度maxwidth l=0;
for k=1:n1
markcol3(k)=markcol(k+1)-markcol1(k+1);%字符下降点
markcol4(k)=markcol3(k)-markcol(k); %字符宽度(上升点至下降点)
markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2));%字符中心位置end
markcol6=diff(markcol5); %字符中心距离(字符中心点至下一个字符中心点) maxs=max(markcol6); %查找最大值，即为第二字符与第三字符中心距离findmax=find(markcol6==maxs);
markcol6(findmax)=0;
maxwidth=max(markcol6);%查找最大值，即为最大字符宽度
%Step11 提取分割字符,并变换为22行*14列标准子图
l=1;
[m2,n2]=size(subcol);
figure;
for k=findmax-1:findmax+5
cleft=markcol5(k)-maxwidth/2;
cright=markcol5(k)+maxwidth/2-2;
if cleft<1
cleft=1;
cright=maxwidth;
end
if cright>n2
cright=n2;
cleft=n2-maxwidth;
end
SegGray=sbw(rowtop:rowbot,cleft:cright);
SegBw1=sbw(rowtop:rowbot,cleft:cright);
SegBw2 = imresize(SegBw1,[22 14]);%变换为22行*14列标准子图
subplot(2,n1,l),imshow(SegGray);
if l==7
title(['车牌字符宽度：',int2str(maxwidth)],'Color','b','Position',[-150,0]);
end
subplot(2,n1,n1+l),imshow(SegBw2);
fname=strcat('C:\Documents and Settings\Administrator\E:\SUN
\',int2str(k),'.jpg');
imwrite(SegBw2,fname,'jpg')
l=l+1;
end
%Step12 将计算计算获取的字符图像与样本库进行匹配，自动识别出字符代码。

%liccode=char(['0':'9' 'A':'Z' '粤桂海云贵川京津沪']); %建立自动识别字符代码表liccode=char(['0':'9' 'A':'Z' '京桂海云贵鲁粤津沪']); %建立自动识别字符代码表SubBw2=zeros(22,14);
l=1;
[m2,n2]=size(sbw);
for k=findmax-1:findmax+5
cleft=markcol5(k)-maxwidth/2;
cright=markcol5(k)+maxwidth/2-2;
if cleft<1
cleft=1;
cright=maxwidth;
end
if cright>n2
cright=n2;
cleft=n2-maxwidth;
end
SegBw1=sbw(rowtop:rowbot,cleft:cright);
SegBw2 = imresize(SegBw1,[22 14]);%变换为22行*14列标准子图
if l==1 %第一位汉字识别
kmin=37;
kmax=45;
elseif l==2 %第二位A~Z 字母识别
kmin=11;
kmax=36;
elseif l>=3 & l<=4 %第三、四位0~9 A~Z字母和数字识别
kmin=1;
kmax=36;
else %第五～七位0~9 数字识别
kmin=1;
kmax=10;
end
for k2=kmin:kmax
fname=strcat('C:\Documents and Settings\Administrator\桌面\张伟\库\',liccode(k2),'.jpg');
SamBw2 = imread(fname);
for i=1:22
for j=1:14
SubBw2(i,j)=SegBw2(i,j) ;%- SamBw2(i,j);
%SubBw2(i,j)=SegBw2(i,j) - SamBw2(i,j);
end
end
Dmax=0;
for k1=1:22
for l1=1:14
if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )
Dmax=Dmax+1;
end
end
end
Error(k2)=Dmax;
end
Error1=Error(kmin:kmax);%比较误差
MinError=min(Error1);%取误差的最小值
findc=find(Error1==MinError);%查找最小误差的图像
RegCode(l*2-1)=liccode(findc(1)+kmin-1);
RegCode(l*2)=' ';%输出最小误差图像
l=l+1;
end
title (['识别车牌号码:', RegCode],'Color','r','Position',[-120,0]);
六.运行结果：
原始彩色图像
背景图像
图像二值化
图像边缘提取
图像闭运算[5,19]
图像开运算[5,19]
图像开运算[19,1]
图像彩色标记
车牌灰度子图
车牌二值子图
050
100150
010
20
30
垂直投影(含边框)
05101520253035
020
40
60
水平投影(含边框)
05101520253035
020
40
60
水平投影(含边框
)
车牌二值子图
车牌灰度子
图
车牌旋转角: 2.4555度
050
100150
010
20
30
垂直投影(旋转后)
05101520253035
020
40
60
水平投影(旋转后)
05101520253035
010
20
30
40
50
水平投影(旋转后
)
车牌二值子图(旋转后)
050100150
05
10
15
20
25
垂直投影(去水平边框后
)
车牌字符高度： 31。