数字图像处理车牌识别课程设计matlab实现附源代码
实验报告用MATLAB实现车牌识别系统
图像处理大作业实验报告--用MATLAB实现车牌识别系统作者东南大学电子系李浩翔06006435指导老师张雄实验日期2010-1-10索引：实验目的实验原理实验步骤1.预处理2.边缘识别3.小区块联通4.车牌区域的识别并截取5.字符截取6.字符识别实验思路分析本程序的局限性附录附录1 程序源代码1.主程序2.子函数(code)附录2 测试图像处理过程汇总1.测试图像12.测试图像2附录3 参考文献及参考程序实验目的(返回索引)使用MATLAB对包含车牌的图片进行处理，利用算法识别出车牌所在的区域，并辨认其数字及字母，最后在屏幕上输出所识别出的车牌号。
实验原理(返回索引)1.将拍摄下的彩色图像转换为灰度图，之后用中值滤波对灰度图像进行预处理，从而减少干扰信息。
2.使用sobel算子识别出图像的边缘，并转化为二值化图像。
并对二值化之后的图像进行卷积，加强边缘的轮廓。
3.用膨胀-再腐蚀的方法分别作用于图像的横轴与纵轴，将小块的联通区域连接起来，使车牌的形状更加清晰，为下一步的识别做好准备。
4.利用车牌长宽比的特性对各个联通区域进行判断，识别出车牌所在区域，并截取。
5.对截取出的车牌区域进行进一步的处理，分割出各个字符。
6.对分割出的字符进行特征判断，从而识别出具体的车牌号。
实验步骤(返回索引)1.预处理(返回索引)A. 将拍摄下的彩色图像转换为灰度图，便于进行接下来的算法处理。
图1 拍摄下的图片B.对灰度图进行中值滤波，减少干扰点对二值化运算结果的影响。
图3 进行中值滤波后的灰度图C.将中值滤波后的灰度图用设定门限灰度的方法(取门限值为0.2)转化为二值化图像，在后继的车牌区域截取运算中作为源图像使用。
图4 使用设定灰度门限的方法获得的二值化图像2.边缘识别(返回索引)A.利用sobel算子识别出图3中的边缘区域，并将其转换为二值化图像。
在转换后的二值化图像中，边缘区域被作为白点标出，而非边缘区域被黑色区域覆盖。
matlab车牌识别程序代码
% 车牌识别程序主体clc;close all;clear all;%==========================================================%说明：%%%===========================================================% ==============测定算法执行的时间，开始计时=================tic %%%%%记录程序运行时间%=====================读入图片================================[fn,pn,fi]=uigetfile('*.jpg','选择图片');I=imread([pn fn]);figure;imshow(I);title('原始图像');%显示原始图像chepailujing=[pn fn]I_bai=I;[PY2,PY1,PX2,PX1]=caitu_fenge(I);% I=rgb2hsv(I);% [PY2,PY1,PX2,PX1]=caitu_tiqu(I,I_bai);%用HSI模型识别蓝色，用rgb模型识别白色%================分割车牌区域=================================%===============车牌区域根据面积二次修正======================[PY2,PY1,PX2,PX1,threshold]=SEC_xiuzheng(PY2,PY1,PX2,PX1);%==============更新图片=============================Plate=I_bai(PY1:PY2,PX1:PX2,:);%使用caitu_tiqu%==============考虑用腐蚀解决蓝色车问题=============bw=Plate;figure,imshow(bw);title('车牌图像');%hsv彩图提取图像%==============这里要根据图像的倾斜度进展选择这里选择的图片.jpgbw=rgb2gray(bw);figure,imshow(bw);title('灰度图像');%================倾斜校正======================qingxiejiao=rando_bianhuan(bw)bw=imrotate(bw,qingxiejiao,'bilinear','crop');figure,imshow(bw);title('倾斜校正');%取值为负值向右旋转%==============================================bw=im2bw(bw,graythresh(bw));%figure,imshow(bw);bw=bwmorph(bw,'hbreak',inf);%figure,imshow(bw);bw=bwmorph(bw,'spur',inf);%figure,imshow(bw);title('擦除之前');bw=bwmorph(bw,'open',5);%figure,imshow(bw);title('闭合运算');bw = bwareaopen(bw, threshold);figure,imshow(bw);title('擦除');%==================参加进度条================================% h=waitbar(0,'程序运行中，请稍等......')% for i=1:10000% waitbar(i/5000,h)% end% close(h);%wavplay(wavread('程序运行中.wav'),22000);%==========================================================bw=~bw;figure,imshow(bw);title('擦除反色');%=============对图像进一步裁剪，保证边框贴近字体===========bw=touying(bw);figure;imshow(bw);title('Y方向处理');bw=~bw;bw = bwareaopen(bw, threshold);bw=~bw;%figure,imshow(bw);title('二次擦除');[y,x]=size(bw);%对长宽重新赋值%=================文字分割=================================fenge=shuzifenge(bw,qingxiejiao)[m,k]=size(fenge);%=================显示分割图像结果=========================figure;for s=1:2:k-1subplot(1,k/2,(s+1)/2);imshow(bw( 1:y,fenge(s):fenge(s+1)));end%================ 给七图片定位===============桂AV6388han_zi =bw( 1:y,fenge(1):fenge(2));zi_mu =bw( 1:y,fenge(3):fenge(4));zm_sz_1 =bw( 1:y,fenge(5):fenge(6));zm_sz_2 =bw( 1:y,fenge(7):fenge(8));shuzi_1 =bw( 1:y,fenge(9):fenge(10));shuzi_2 =bw( 1:y,fenge(11):fenge(12));shuzi_3 =bw( 1:y,fenge(13):fenge(14));%==========================识别====================================%======================把修正数据读入============================== xiuzhenghanzi = imresize(han_zi, [110 55],'bilinear');xiuzhengzimu = imresize(zi_mu, [110 55],'bilinear');xiuzhengzm_sz_1= imresize(zm_sz_1,[110 55],'bilinear');xiuzhengzm_sz_2 = imresize(zm_sz_2,[110 55],'bilinear');xiuzhengshuzi_1 = imresize(shuzi_1,[110 55],'bilinear');xiuzhengshuzi_2 = imresize(shuzi_2,[110 55],'bilinear');xiuzhengshuzi_3 = imresize(shuzi_3,[110 55],'bilinear');%============ 把0-9 , A-Z以与省份简称的数据存储方便访问==================== hanzishengfen=duquhanzi(imread('cpgui.bmp'),imread('cpguizhou.bmp'),imread('cpj ing.bmp'),imread('cpsu.bmp'),imread('cpyue.bmp'));%因数字和字母比例不同。
基于MATLAB的车牌识别系统的设计与实现代码大全
基于MATLAB的车牌识别系统的设计与实现1．1 题目的主要研究内容（1）工作的主要描述（宋体小四号不加粗1.5倍行距）智能交通系统利用先进的信息技术改善交通状况，使交通更畅通、更安全、更绿色。
车牌识别系统是的核心技术之一，它主要包括车牌定位、字符分割和字符识别三个核心模块。
随着安防视频步入高清时代，视频的分辨率越来越高，智能交通系统对车牌识别技术有了更高的要求：处理速度更快、环境适应性更强、识别率更高。
本文从图像预处理、车牌定位、字符分割、字符识别四个方面，具体介绍了车牌自动识别的原理。
并用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
（2）系统流程图1．2 题目研究的工作基础或实验条件（1）硬件环境：PC机设备名称LAPTOP-7SSHP9VJ处理器MD Ryzen 7 5700U with Radeon Graphics 1.80 GHz机带RAM 16.0 GB (13.9 GB 可用)设备ID 04FA2EC7-DFE3-489F-A61B-E5AA87DDDE15产品ID 00342-36141-18074-AAOEM系统类型64 位操作系统, 基于x64 的处理器笔和触控没有可用于此显示器的笔或触控输入（2）软件环境：MATLAB R2019a1．3 数据集描述一个完整的车牌号识别系统要完成从图像采集到字符识别输出，过程相当复杂，基本可以分成硬件部分跟软件部分，硬件部分包括系统触发、图像采集，软件部分包括图像预处理、车牌定位、字符分割、字符识别四大部分。
本文的数据集包括汽车图片、声音模板和字符模板。
汽车图片包括用手机拍摄的七张照片；声音模板包括阿拉伯数字0-9、英文大写字母A-Z（不包括I和O）、贵州、桂、京、苏、渝、粤、车牌定位出错、车牌检测、程序运行中、检测结果、提取出错；字符模板包括阿拉伯数字0-9、英文大写字母A-Z、贵、桂、京、苏、渝、粤、鲁、陕、豫。
1．4 特征提取过程描述牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
基于matlab的车牌识别(含子程序)
基于matlab的车牌识别系统一、对车辆图像进行预处理1.载入车牌图像：function [d]=main(jpg)[filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'});if(filename == 0), return, endglobal FILENAME %定义全局变量FILENAME = [pathname filename];I=imread(FILENAME);figure(1),imshow(I);title('原图像');%将车牌的原图显示出来结果如下：2.将彩图转换为灰度图并绘制直方图：I1=rgb2gray(I);%将彩图转换为灰度图figure(2),subplot(1,2,1),imshow(I1);title('灰度图像');figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图结果如下所示：3. 用roberts算子进行边缘检测：I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测figure(3),imshow(I2);title('roberts 算子边缘检测图像');结果如下：4.图像实施腐蚀操作：se=[1;1;1];I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figure(4),imshow(I3);title('腐蚀后图像');5.平滑图像se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个seI4=imclose(I3,se);% 图像聚类、填充图像figure(5),imshow(I4);title('平滑图像');结果如下所示：6. 删除二值图像的小对象I5=bwareaopen(I4,2000);% 去除聚团灰度值小于2000的部分figure(6),imshow(I5);title('从对象中移除小的对象'); 结果如下所示：二、车牌定位[y,x,z]=size(I5);%返回I5各维的尺寸，存储在x,y,z中myI=double(I5);%将I5转换成双精度tic %tic表示计时的开始，toc表示计时的结束Blue_y=zeros(y,1);%产生一个y*1的零阵for i=1:yfor j=1:xif(myI(i,j,1)==1)%如果myI(i,j,1)即myI的图像中坐标为(i,j)的点值为1，即该点为车牌背景颜色蓝色 %则Blue_y(i,1)的值加1Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计endendend[temp MaxY]=max(Blue_y);%Y方向车牌区域确定%temp为向量white_y的元素中的最大值，MaxY为该值的索引PY1=MaxY;while ((Blue_y(PY1,1)>=5)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Blue_y(PY2,1)>=5)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);%x方向车牌区域确定%%%%%% X方向 %%%%%%%%%Blue_x=zeros(1,x);%进一步确定x方向的车牌区域for j=1:xfor i=PY1:PY2if(myI(i,j,1)==1)Blue_x(1,j)= Blue_x(1,j)+1; endendendPX1=1;while ((Blue_x(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX1=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');%行方向车牌区域确定figure(7),subplot(1,2,2),imshow(dw),title('定位裁剪后的车牌彩色图像');的车牌区域如下所示：三、字符分割及处理1.车牌的进一步处理对分割出的彩色车牌图像进行灰度转换、二值化、均值滤波、腐蚀膨胀以及字符分割以从车牌图像中分离出组成车牌的单个字符图像，对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌。
基于MATLAB的图像处理的课程设计(车牌识别系统)(word文档良心出品)
目录一、课程设计目的 (3)二、课程设计要求 (3)三、课程设计的内容 (3)四、题目分析 (3)五、总体设计 (4)六、具体设计 (5)1、文件 (5)1.1、打开 (5)1.2、保存 (5)1.3、退出 (5)2、编辑 (5)6.2.1、灰度 (5)6.2.2、亮度 (6)6.2.3、截图 (7)6.2.4、缩放 (7)3、旋转 (9)6.3.1、上下翻转 (9)6.3.2、左右翻转 (9)6.3.3任意角度翻转 (9)6.4、噪声 (10)6.5、滤波 (10)6.6、直方图统计 (11)6.7、频谱分析 (12)6.7.1、频谱图 (12)6.7.2、通过高通滤波器........................... .. (12)6.7.3、通过低通滤波器...................................... . (13)6.8、灰度图像处理................................................ . . (14)6.8.1、二值图像……………………………………………….. .146.8.2、创建索引图像............................................. (14)6.9、颜色模型转换...................................... .. (14)6.10、操作界面设计 (15)七、程序调试及结果分析 (15)八、心得体会 (16)九、参考文献 (17)十、附录 (18)基于MATLAB的图像处理的课程设计摘要：数字图像处理技术是20世纪60年代发展起来的一门新兴学科，随着图像处理理论和方法的进一步完善，使得数字图像处理技术在各个领域得到了广泛应用，并显示出广阔的应用前景。
MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。
它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。
(完整版),基于MATLAB的图像处理的课程设计(车牌识别系统)汇编,推荐文档
5
度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在 r=(50,200)间， 而且总体上灰度偏低，图象较暗
图6 灰度增强后的图像
（2）平滑处理 对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因
此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在 空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。 例如，某一象素点的邻域S 有两种表示方法：8邻域和4邻域分别对应的邻域平
三， 心得体会 1、在这次课程设计过程中，感触很深，由于对MATLAB图像处理的函数不 熟悉，导致自己走了很多的弯路，比如在设计图像左转90度和右转90度时，由 于开始并不知道imrotate函数，只知道上下翻转flipud和左右翻转fliplr函数， 想着要怎么用这两个函数来实现左转和右转呢，如果当当只用矩阵转置的话， 并不能达到要求，后来想可以结合flipud和fliplr函数来实现，下面程序是实 现左转90度： axes(handles.axes2);
（二）现状目前，国内的 ITS 产业仍然处于起步阶段，在产业链中，电子地图 商、导航终端商、嵌入式操作系统均已经具备产业规模，而所欠缺的环节则是 对实时交通信息的采集和处理系统。车牌识别系统是城市智能交通管理系统的 一个重要组成部分，广泛用于是针对公路行驶的机动车辆进行实时监控的智能 化交通系统，电子收费，交通违规管理，安全停车管理等重要领域。
车牌识别-MATLAB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('C:\Users\lenovo\Desktop\程序\chepai\l2.jpg'); %将彩色图像转换为黑白并显示Sgray = rgb2gray(Scolor);figure,imshow(Scolor),title('原始彩色图像');figure,imshow(Sgray),title('原始灰度图像');%bw3=medfilt2(Sgray,[5 5]);%figure,imshow(bw3);title('图像中值滤波');%bw4=imfilter(bw3,fspecial('laplacian'));%figure,imshow(bw4);title('图像中值滤波');%Egray=imsubtract(bw3,bw4);%figure,imshow(Egray);%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',10);Bgray=imopen(Sgray,s);figure,imshow(Bgray);title('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);figure,imshow(Egray);title('增强黑白图像');%Step3 取得最佳阈值，将图像二值化%fmax1=double(max(max(Egray)));%fmin1=double(min(min(Egray)));%level=(fmax1-(fmax1-fmin1)/3)/255;%level=graythresh(Egray);%%bw3=filter2(fspecial('average',3),Egray);%%Egray=medfilt2(Egray,[3 3]);%figure,imshow(Egray);title('图像中值滤波');bw2=im2bw(Egray,level);figure,imshow(bw2);title('图像二值化');%bw4=im2bw(bw3,level);%figure,imshow(bw4);title('图像二值化');%Step4 对得到二值图像作开闭操作进行滤波grd=edge(bw2,'canny');figure,imshow(grd);title('图像边缘提取');%bg1=imclose(grd,strel('rectangle',[5,19]));%figure,imshow(bg1);title('图像闭运算[5,19]');bg2=bwareaopen(bg1,2000);figure,imshow(bg2);title('小对象');bg2=imclose(bg2,strel('rectangle',[20,50]));%bg3=imclose(bg2,strel('rectangle',[20,50]));bg2=imopen(bg2,strel('rectangle',[5,20]));figure,imshow(bg2);title('图像开运算[5,19]');bg2=imopen(bg2,strel('rectangle',[19,1]));figure,imshow(bg2);title('图像开运算[19,1]');%Step5 对二值图像进行区域提取，并计算区域特征参数。
（完整word版）基于Matlab的车牌识别实现源码
（完整word版）基于Matlab的车牌识别实现源码function[]=main(jpg)close allclctic %测定算法执行的时间[fn,pn]=uigetfile('timg1,jpg','选择图片') %读入图片I=imread([pn,fn]);figure,imshow(I);title('原始图像'); %显示原始图像Im1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(Im1);title('灰度图');figure(2),subplot(1,2,2),imhist(Im1);title('灰度图的直方图'); %显示图像的直方图Tiao=imadjust(Im1,[0.19,0.78],[0,1]); %调整图片figure(3),subplot(1,2,1),imshow(Tiao);title('增强灰度图');figure(3),subplot(1,2,2),imhist(Tiao);title('增强灰度图的直方图');Im2=edge(Tiao,'Roberts','both'); %使用sobel算子进行边缘检测figure(4),imshow(Im2);title('sobel算子实现边缘检测')se=[1;1;1];Im3=imerode(Im2,se);figure(5),imshow(Im3);se=strel('square',40);%'rectangle',[25,25]/'diamond',25/Im4=imclose(Im3,se);figure(6),imshow(Im4);title('平滑图像的轮廓');Im5=bwareaopen(Im4,1500);figure(7),imshow(Im5);title('移除小对象');[y,x,z]=size(Im5); %返回Im5各维的尺寸，并存储在变量y、x、z中Im6=double(Im5); %将Im5换成双精度数值%开始横向扫描tic %tic计时开始，toc结束，计算tic与toc之间程序的运行时间Blue_y=zeros(y,1); %产生y*1的全0矩阵for i=1:y %逐行扫描for j=1:xif(Im6(i,j,1)==1)%如果Im6图像中坐标为(i,j)的点值为1,即为移除小对象的白色区域，Blue_y(i,1)= Blue_y(i,1)+1;%则y*1列矩阵的相应像素点的元素值加1，endendend[temp MaxY]=max(Blue_y);%temp为向量Blue_y的矩阵中的最大值，MaxY为该值的索引（最大值在向量中的位置）%返回包含最大元素的列，即白色区域最宽的列%Y方向车牌区域确定figure(8),subplot(1,2,1),plot(0:y-1,Blue_y),title('行方向白色像素点累计'),xlabel('行数'),ylabel('个数');PY1=MaxY;while ((Blue_y(PY1,1)>=120)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Blue_y(PY2,1)>=40)&&(PY2<y))< p="">PY2=PY2+1;IY=I(PY1:PY2,:,:);%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分%横向扫描完成，开始纵向扫描Blue_x=zeros(1,x);%进一步确定x方向的车牌区域for j=1:x %逐列扫描for i=PY1:PY2if(Im6(i,j,1)==1)Blue_x(1,j)= Blue_x(1,j)+1; %根据Im5的x值确定endendendfigure(8),subplot(1,2,2),plot(0:x-1,Blue_x),title('列方向白色像素点累计'),xlabel('列数'),ylabel('个数'); PX1=1;while ((Blue_x(1,PX1)<3)&&(PX1<x))< p="">PX1=PX1+1;endPX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;end%end纵向扫描PX1=PX1-2;%对车牌区域的校正PX2=PX2+2;dw=I(PY1:PY2,PX1:PX2,:);t=toc;figure(9),subplot(1,2,1),imshow(IY),title('垂直方向合理区域');figure(9),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像') imwrite(dw,'dw.jpg'); %将图像写入图形文件中a=imread('dw.jpg');b=rgb2gray(a);imwrite(b,'车牌灰度图像.jpg');figure(10);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为设定的二值化的阈值,返回一个四舍五入的整数值[m,n]=size(b);d=(double(b)>=T); %d为二值图像imwrite(d,'车牌二值图像.jpg');figure(10);subplot(3,2,2),imshow(d),title('2.车牌二值图像')figure(10),subplot(3,2,3),imshow(d),title('3.均值滤波前')h=fspecial('average',3);%建立预定义的滤波算子，average为均值滤波，模板尺寸为3*3d=imbinarize(round(filter2(h,d))); %im2bw,使用指定的滤波器h对h进行d即均值滤波imwrite(d,'均值滤波后.jpg');figure(10),subplot(3,2,4),imshow(d),title('4.均值滤波后')se=eye(2);%单位矩阵[m,n]=size(d); %d为二值图像,返回信息矩阵if bwarea(d)/m/n>=0.365%二值图像中对象的总面积与整个面积的比大于0.365d=imerode(d,se);%进行腐蚀elseif bwarea(d)/m/n<=0.235%二值图像中对象的总面积与整个面积的比值小于0.235 d=imdilate(d,se);%进行膨胀endimwrite(d,'膨胀或腐蚀处理后.jpg');figure(10),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后.jpg')d=qiege(d); %切割，寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割k1=1;k2=1;s=sum(d);j=1;while j~=nwhile s(j)==0j=j+1;endk1=j;while s(j)~=0 && j<=n-1j=j+1;endk2=j-1;if k2-k1>=round(n/6.5)[val,num]=min(sum(d(:,[k1+5:k2-5])));d(:,k1+num+5)=0;endendd=qiege(d);y1=10;y2=0.25;flag=0;word1=[];while flag==0[m,n]=size(d);wide=0;while sum(d(:,wide+1))~=0 %扫过的地方不全为黑色，向右移动，直到不是停止wide=wide+1;endif wide<="" p="">d(:,[1:wide])=0;%将此片区域全部转化为黑色，d=qiege(d);%重新切割elsetemp=qiege(imcrop(d,[1 1 wide m]));%返回已经切割好的区域[m,n]=size(temp);all=sum(sum(temp));%统计切割区域所有元素two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));%统计切割区域1/3至2/3行所有元素if two_thirds/all>y2 flag=1;word1=temp;endd(:,[1:wide])=0;d=qiege(d);end[word2,d]=getword(d); %分割出第二个字符[word3,d]=getword(d); %分割出第三个字符[word4,d]=getword(d); %分割出第四个字符[word5,d]=getword(d); %分割出第五个字符[word6,d]=getword(d); %分割出第六个字符[word7,d]=getword(d); %分割出第七个字符word1=imresize(word1,[40 20]);%模板字符大小统一为40*20，为字符辨认做准备word2=imresize(word2,[40 20]);word3=imresize(word3,[40 20]);word4=imresize(word4,[40 20]);word5=imresize(word5,[40 20]);word6=imresize(word6,[40 20]);word7=imresize(word7,[40 20]);figure(11);subplot(2,7,1),imshow(word1),title('1');subplot(2,7,2),imshow(word2),title('2');subplot(2,7,3),imshow(word3),title('3');subplot(2,7,4),imshow(word4),title('4');subplot(2,7,5),imshow(word5),title('5');subplot(2,7,6),imshow(word6),title('6');subplot(2,7,7),imshow(word7),title('7');imwrite(word1,'1.jpg');imwrite(word2,'2.jpg');imwrite(word3,'3.jpg');imwrite(word4,'4.jpg');imwrite(word5,'5.jpg');imwrite(word6,'6.jpg');imwrite(word7,'7.jpg');liccode=char(['0':'9' 'A':'Z' '辽粤豫鄂鲁陕京津苏浙']);%建立自动识别字符代码表，将t'0':'9' 'A':'Z' '鲁陕苏豫'多个字符串组成一个字符数组，每行对应一个字符串，字符数不足的自动补空格SubBw2=zeros(40,20);%40*20的零矩阵l=1;ii=int2str(I);%整型转换字符串t=imread([ii,'.jpg']);SegBw2=imresize(t,[40 20],'nearest');%改变图片的大小SegBw2=double(SegBw2)>50;%将灰度图转化为二值图像，double产生0-255的灰度值if l==1 %第一位汉字识别kmin=37;kmax=46;%模板中汉字所在的位置elseif l==2 %第二位字母识别kmin=11;kmax=36;%A-Z字母位置elsel>=3 %第三位后字母或数字识别kmin=1;kmax=36;endfor k2=kmin:kmaxfname=strcat('字符模板\',liccode(k2),'.jpg');SamBw2=imread(fname);SamBw2=double(SamBw2)>50;%将模板转换为二值图，double产生0-255的灰度值for i=1:40for j=1:20SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);endend%相当于两幅图相减得第三幅图Dmax=0;for k1=1:40for l1=1:20if abs(SubBw2(k1,l1))>0Dmax=Dmax+1;endendendError(k2)=Dmax;endError1=Error(kmin:kmax);%模板对应的字符模板进行匹配选择findc=find(Error1==MinError);Code(l*2-1)=liccode(findc(1)+kmin-1);Code(l*2)=' ';l=l+1;endmsgbox(Code,'识别结果')function [word,result]=getword(d) %定义分割字符用函数（1）word=[];flag=0;y1=8;y2=0.5;while flag==0[m,n]=size(d);wide=0;while sum(d(:,wide+1))~=0 && wide<=n-2wide=wide+1;endtemp=imcrop(d,[1 1 wide m]);%用于返回图像的一个裁剪区域[m1,n1]=size(temp);z=sum(temp,2);count=0;for i=1:m1if z(i)~=0count=count+1;endendif count<="" p="">d(:,[1,wide])=0;d=qiege(d);elsetemp=qiege(imcrop(d,[1 1 wide m]));%用于返回图像的一个裁剪区域[m1,n1]=size(temp);if widey2 %宽度过小，或长大于宽的两倍d(:,[1,wide])=0;if sum(sum(d))~=0 %d中所有元素之和d=qiege(d);%切割出最小范围elseword=[];flag=1;endword=qiege(imcrop(d,[1 1 wide m]));%划分出的temp进行切割d(:,[1:wide])=0;%切割完后该区域变为黑色if sum(sum(d))~=0d=qiege(d);flag=1;elsed=[];endendendendresult=d;function e=qiege(d) %定义分割字符用函数（2）[m,n]=size(d);top=1;bottom=m;left=1;right=n; %intewhile sum(d(top,:))==0 && top<=mtop=top+1;endwhile sum(d(bottom,:))==0 && bottom>=1 bottom=bottom-1;endwhile sum(d(:,left))==0 && left<=nleft=left+1;endwhile sum(d(:,right))==0 && right>=1right=right-1;enddd=right-left;hh=bottom-top;e=imcrop(d,[left top dd hh]);//字符实别需要字符图库，没有对照图库是识别不了的</x))<></y))<>。
课程设计--matlab车牌识别系统 精品
课程设计报告课设题目：matlab车牌识别系统学院：医药信息工程学院姓名： ------学号：---------------指导教师：向征目录一．课程设计任务 (3)二．课程设计原理及设计方案 (3)1.系统简述 (3)2.图像预处理： (4)3.车牌定位 (4)4.字符分割 (5)5.字符识别 (6)三.课程设计的步骤和结果 (6)1.车牌定位 (6)2.字符分割 (10)3.字符识别 (12)四.设计GUI界面 (16)五．课程设计总结和体会 (17)六．参考文献 (17)七．设计总代码 (18)1.chepai_main.m (18)2.chepaidingwei.m (18)3.fenge.m (19)4.rando_bianhuan.m (21)5.zifushibie2.m (21)一．课程设计任务在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。
对违章车辆，需要自动检测车牌信息，提取车牌号码，以便查找车主信息和监督管理。
国内常用的一般车牌通常是是蓝底白字，长宽比3:1。
1、对车牌图像进行预处理，然后进行车牌定位；2、进行字符分割；2、对车牌中的数字、字母和汉字进行提取和识别；3、要求自行设计方案、编写代码实现上述功能，并设计车牌识别的软件界面。
二．课程设计原理及设计方案1.系统简述一个完整的车牌识别系统闭应包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。
当车辆到达触发图像采集单元时，系统采集当前的视频图像。
车辆识别单元对图像进行处理，定位出牌照位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。
车牌识别系统原理如图l 所示。
图1 车牌识别系统原理图1）图像预处理：对汽车图像进行图像转换、图像增强等。
2）车牌定位：从预处理后的汽车图像中分割出车牌图像。
即在一幅车辆图像中找到车牌所在的位置。
3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像4）字符识别：对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。
matlab车牌识别课程设计报告(附源代码)
Matlab 程序设计任务书分院（系）信息科学与工程专业学生姓名学号设计题目车牌识别系统设计内容及要求：车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。
通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。
1.牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
2.当车辆检测部分检测到车辆到达时 , 触发图像采集单元，采集当前的视频图像。
3.牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。
进度安排：19 周： Matlab 环境熟悉与基础知识学习19周：课程设计选题与题目分析20周：程序设计编程实现20周：课程设计验收与答辩指导教师（签字）：学院院长（签字）：年月日年月日目录一．课程设计目的⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3二．设计原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3三．详细设计步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3四.设计结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯18五.总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯19六.设计体会⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯20七.参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯21一、课程设计目的车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。
通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。
二、设计原理 :牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。
某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。
一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
MATLAB车牌识别论文加源码
xxxx大学数字图像处理本科生课程论文论文题目：___车牌识别方法研究______完成时间：___2016年6月1日_______所在专业：___软件工程______________所在年级：___大三年级______________基于MATLAB的车牌识别方法研究xxx级软件专业1班 xxx xx摘要:汽车车牌的识别是智能交通管理的重要组成部分之一。
本文主要介绍车牌区域提取、字符切割、字符识别。
车牌区域提取主要包括图像灰度图转化、图像边缘检测、灰度图腐蚀、图像平滑处理、边界值计算。
字符切割主要包括图像去噪处理、图像膨胀和腐蚀处理。
字符识别主要包括图像膨胀和腐蚀处理、字符归一化。
关键词：MATLAB、车牌区域提取、字符识别、字符切割1 研究背景随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。
为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。
而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。
我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。
车牌识别的难点：① 我国汽车牌照自身特征的复杂性1) 汉字、字母、数字混合。
我国的车牌不单单有英文字母和阿拉伯数字，还有汉字。
2) 颜色种类多。
国外的车牌颜色种类相对于国内较少一些，我国的车牌颜色种类较多。
3) 人为因素复杂。
由于环境、道路或者人为因素造成车牌有严重污渍、车牌模糊不清或者车牌偏斜角度很大的车辆，在我国都可以上路行驶。
4) 车牌格式多。
我国的车牌格式很多，包括：民用车牌、公安警察车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等。
② 外部环境影响1) 外部光照条件各不相同，白天和晚上的光照各不相同。
光照对采集的图像质量产生很大的影响。
不同的光照角度对车牌光照的不均匀影响也很大。
不同的气候条件、背景光照环境、车牌反光程度都决定了车牌的亮度特征。
2) 外界背景的复杂程度也影响车牌的定位准确率。
数字图像处理车牌识别课程设计matlab实现附源代码
基于 matlab 的车牌识别系统一、目的与要求目的：利用 matlab 实现车牌识别系统，熟悉matlab应用软件的根底知识，了解了根本程序设计方法，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，防止理论与实践的脱离，稳固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。
同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论根底，有助于自身综合能力的提高。
要求：1.理解各种图像处理方法确切意义。
2.独立进展方案的制定，系统构造设计要合理。
3．在程序开发时，那么必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。
如果使用matlab 来进展开发，要理解每个函数的具体意义和适用X围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。
4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。
二、设计的内容学习 MATLAB 程序设计，利用MATLAB 函数功能，设计和实现通过设计一个车牌识别系统。
车牌识别系统的根本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进展预处理，再对牌照进展搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进展二值化并将其分割为单个字符，然后将其逐个与创立的字符模板中的字符进行匹配，匹配成功那么输出，最终匹配完毕那么输出那么为车牌的数字。
车牌识别系统的根本工作原理图如图1所下所示：车辆字符分割字符识别图像采集车牌的定位三、总体方案设计车辆牌照识别整个系统主要是由车牌定位和字符分割识别两局部组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。
为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的比照度和清晰可辩的牌照图象。
但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进展识别前的预处理。
车牌识别matlab代码
close allclc[fn,pn,fi]=uigetfile('ChePaiKu\*.jpg','选择图片');YuanShi=imread([pn fn]);%输入原始图像figure(1);subplot(3,2,1),imshow(YuanShi),title('原始图像');%%%%%%%%%%1、图像预处理%%%%%%%%%%%YuanShiHuiDu=rgb2gray(YuanShi);%转化为灰度图像subplot(3,2,2),imshow(YuanShiHuiDu),title('灰度图像');BianYuan=edge(YuanShiHuiDu,'robert',0.09,'both');%Robert算子边缘检测subplot(3,2,3),imshow(BianYuan),title('Robert算子边缘检测后图像');se1=[1;1;1]; %线型结构元素FuShi=imerode(BianYuan,se1); %腐蚀图像subplot(3,2,4),imshow(FuShi),title('腐蚀后边缘图像');se2=strel('rectangle',[30,30]); %矩形结构元素TianChong=imclose(FuShi,se2);%图像聚类、填充图像subplot(3,2,5),imshow(TianChong),title('填充后图像');YuanShiLvBo=bwareaopen(TianChong,2000);%从对象中移除面积小于2000的小对象figure(2);subplot(2,2,1),imshow(YuanShiLvBo),title('形态滤波后图像');%%%%%%%%%%2、车牌定位%%%%%%%%%%%[y,x]=size(YuanShiLvBo);%size函数将数组的行数返回到第一个输出变量，将数组的列数返回到第二个输出变量YuCuDingWei=double(YuanShiLvBo);%%%%%%%%%%2.1、车牌粗定位之一确定行的起始位置和终止位置%%%%%%%%%%%Y1=zeros(y,1);%产生y行1列全零数组for i=1:yfor j=1:xif(YuCuDingWei(i,j)==1)Y1(i,1)= Y1(i,1)+1;%白色像素点统计endendend[temp,MaxY]=max(Y1);%Y方向车牌区域确定。
matlab车牌识别课实验报告计报告(附源代码)
目录一．课程设计目的 (3)二．设计原理 (3)三．详细设计步骤 (3)四. 设计结果及分析 (18)五. 总结 (19)六. 设计体会 (20)七. 参考文献 (21)一、课程设计目的车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。
通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。
二、设计原理:牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。
某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。
一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。
牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。
三、详细设计步骤:1. 提出总体设计方案:牌照号码、颜色识别为了进行牌照识别，需要以下几个基本的步骤：a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。
牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。
(1）牌照定位:自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。
首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。
流程图:完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。
字符分割一般采用垂直投影法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于matlab 的车牌识别系统一、目的与要求目的：利用matlab 实现车牌识别系统，熟悉matlab 应用软件的基础知识，了解了基本程序设计方法，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。
同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。
要求：1. 理解各种图像处理方法确切意义。
2. 独立进行方案的制定，系统结构设计要合理。
3．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。
如果使用matlab 来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。
4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。
二、设计的内容学习MATLAB 程序设计，利用MATLAB 函数功能，设计和实现通过设计一个车牌识别系统。
车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出，最终匹配结束则输出则为车牌号码的数字。
车牌识别系统的基本工作原理图如图1所下所示:字符分割字符识别输出车牌号码车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。
为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。
但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。
牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。
由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。
因此，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具，将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深，还将车牌中的一个白色的原点抹去，另外还将车牌上的铆钉使用车牌的蓝色背景覆盖，这样分割出的字符更加准确。
车牌识别的最终目的就是对车牌上的文字进行识别。
主要应用的为模板匹配方法。
因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU 要求主频在600HZ 及以上，内存在128MB 及以上。
系统可以运行于Windows7 、Windows2000 或者Windows XP 操作系统下，程序调试时使用matlabR2011a 。
四、各个功能模块的主要实现程序(一)首先介绍代码中主要的函数功能及用法：1.Imerode功能：对图像实现腐蚀操作，即膨胀操作的反操作。
用法：IM2 = imerode(IM,SE)IM2 = imerode(IM,NHOOD)IM2 = imerode(IM,SE,PACKOPT,M)IM2 = imerode(...,PADOPT)IM2 = imerode(IM,SE) 腐蚀灰度，二值，压缩二值图像IM ，返回IM2 。
参数SE 为由strel 函数返回的结构元素或者结构元素对象组。
IM2 = imerode(IM,NHOOD) 腐蚀图像IM ，这里NHOOD 是定义结构元素邻域0 和1 的矩阵。
IM2 = imerode(...,PADOPT) 指出输出图像的大小(是否与输入图像大小一致)。
2.imdilate 功能：对图像实现膨胀操作。
用法：IM2 = imdilate(IM,SE)IM2 = imdilate(IM,NHOOD)IM2 = imdilate(IM,SE,PACKOPT)IM2 = imdilate(...,PADOPT)IM2 = imdilate(IM,SE) 膨胀灰度，二值，压缩二值图像IM，返回IM2。
参数SE为由strel函数返回的结构元素或者结构元素对象组。
IM2 = imdilate(IM,NHOOD) 膨胀图像IM ，这里NHOOD 是定义结构元素邻域0 和1 的矩阵。
IM2 = imdilate(IM,SE,PACKOPT) 定义IM 是否是一个压缩的二值图像。
IM2 = imdilate(...,PADOPT) 指出输出图像的大小。
3. strel功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象(本论坛随即对膨胀腐蚀等操作进行讲解)。
用法：SE = strel(shape,parameters)创建由指定形状shape 对应的结构元素。
其中shape 的种类有‘arbitrary' ，'pair' ，'diamond' ，'periodicline' ，'disk' ，'rectangle''line' ，'square' ，'octagon参数parameters 一般控制SE 的大小。
4. edgeBW = edge(I)采用灰度或一个二值化图像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 。
BW = edge(I,'sobel') 自动选择阈值用Sobel 算子进行边缘检测。
BW = edge(I,'sobel',thresh) 根据所指定的敏感度阈值thresh ，用Sobel 算子进行边缘检测，它忽略了所有小于阈值的边缘。
当thresh 为空时，自动选择阈值。
BW = edge(I,'sobel',thresh,direction) 根据所指定的敏感度阈值thresh ，在所指定的方向direction 上，用Sobel 算子进行边缘检测。
Direction 可取的字符串值为horizontal( 水平方向)、vertical( 垂直方向)或both( 两个方向)。
[BW,thresh] = edge(I,'sobel',...) 返回阈值BW = edge(I,'prewitt') 自动选择阈值用prewitt 算子进行边缘检测。
BW = edge(I,'prewitt',thresh) 根据所指定的敏感度阈值thresh ，用prewitt 算子进行边缘检测，它忽略了所有小于阈值的边缘。
当thresh 为空时，自动选择阈值。
BW = edge(I,'prewitt',thresh,direction) 根据所指定的敏感度阈值thresh ，在所指定的方向direction 上，用prewitt 算子进行边缘检测。
Direction 可取的字符串值为horizontal( 水平方向)、vertical( 垂直方向)或both( 两个方向)默认方向为both 。
BW = edge(I,'roberts') 自动选择阈值用roberts 算子进行边缘检测。
BW = edge(I,'roberts',thresh) 根据所指定的敏感度阈值thresh ，用Roberts 算子进行边缘检测，它忽略了所有小于阈值的边缘。
当thresh 为空时，自动选择阈值。
5.Imclose功能：对图像实现闭运算，闭运算也能平滑图像的轮廓，但与开运算相反，它一般融合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙。
用法：IM2 = imclose(IM,SE)IM2 = imclose(IM,NHOOD)用法和imopen 相同。
6.imopen功能：对图像实现开运算，开运算一般能平滑图像的轮廓，消弱狭窄的部分，去掉细的突出。
用法：IM2 = imopen(IM,SE)IM2 = imopen(IM,NHOOD)IM2 = imopen(IM,SE) 用结构元素SE实现灰度图像或二值图像的IM的形态开运算。
SE可以是单个结构元素对象或者结构元素对象数组。
IM2 = imopen(IM,NHOOD) 用结构元素strel (NHOOD )执行开运算。
7. bwareaopen功能：删除小面积对象格式：BW2 = bwareaopen(BW,P ,conn)作用：删除二值图像BW中面积小于P的对象，默认情况下conn使用8邻域。
8. tic 和toc 函数这两个函数一般配合使用，tic 表示计时的开始，toc 表示计时的结束。
格式如：tic任意表达式toct=toc9. fspecial功能：用于建立预定义的滤波算子，其语法格式为：h = fspecial(type)h = fspecial(type ，para)其中type 指定算子的类型，para 指定相应的参数；type 的类型有：1、'average'averaging filter为均值滤波，参数为hsize 代表模板尺寸，默认值为【3，3】。
'disk'circular averaging filter为圆形区域均值滤波，参数为radius 代表区域半径，默认值为5.'gaussian'Gaussian lowpass filter为高斯低通滤波，有两个参数，hsize 表示模板尺寸，默认值为【3 3 】，sigma 为滤波器的标准值，单位为像素，默认值为0.5.'prewitt'Prewitt horizontal edge-emphasizing filter用于边缘增强，大小为【3 3】，无参数'sobel'Sobel horizontal edge-emphasizing filter用于边缘提取，无参数9. filter2J = filter2(h,l);使用指定的滤波器h对I进行滤波，结果保存在J中10. bwarea函数功能：计算二值图像中对象的总面积。