MAAB大作业

基于M A T L A B识别图片中的文字知识点：图像识别图像处理计算机视觉实验目的：以MATLAB为工具，识别图片中的文字。

问题描述：交通是一个十分重要的问题，红绿灯上的摄像头可以辨别车主的身份。

现在，我们是否能够用matlab设计一个图像识别的系统，通过车牌号的来识别相应的数字。

问题分析及模型建立：第一步：确定车牌号的区域对于一张图像在matlab中，在处理图像元素时用（x,y,z）三坐标的形式表达的灰度集时，其中，x和y是空间坐标，z是f 在坐标（x,y）处的值，就可以表达图像在该坐标轴上的点。

再将，将f(x,y)的数值简单地显示为一个矩阵，就可以定量地表达了一幅数值图像。

矩阵中的每个元素称为像素。

所以，如果我们想要截取一段车牌号的图像，我们就可以扫描图像每一个点的像素。

然后我们进行恢复处理，算子边缘检测，腐蚀，闭操作，删除小对象得到我们就可以利用RGB的值找到白色区域的边界，然后我们利用边界，截取我们的原图像就可以得到我们所需要的车牌号的区域了。

第二步：进行文字的分割在进行分割之前，就需要将我们所获得的车牌号的区域的图像进行进一步的处理，突出我们需要的文字部分。

灰度处理彩色的图片占用的空间比较大，处理会花费很长的时间，先将图片进行灰度处理二值化再将图片二值化，将图片的256个灰度级强制减少到只有{0，255}2个灰度级，更加方便了后续的文字识别识别。

均值滤波均值滤波是对是对图像进行局部平均, 以平均值来代表该像素点的灰度值。

矩形滤波器对这个二维矢量的每一个分量进行独立的平滑处理。

获得一张比较干净清晰的图像。

腐蚀和膨胀腐蚀可以分割独立的图像元素，膨胀用于连接相邻的元素，更加利于图像的分割进行完图像的预处理，就可以开始图像的切割了首先进行边缘的切割，处理完后的图像为黑底白字。

其中黑色为0，白色1为。

这样我们就可以从四个边缘进行扫描，若行或者列像素之和0的话，就为背景，这样就可以继续向内推移，直到和不为0的位置为止。

这样就进行了边缘的切割。

接下来，先进行文字的切割，文字和字母、数字在长度和宽度上有较大的差别，所以需要单独的拿出来。

因为号码是平铺过来的，所以我们进行列的扫描。

先从最左边进行扫描，若列像素之和不为0的话，则说明有文字，直到和为0的时候停止。

但是如果扫描出来的宽度太小的话就说明背景可能有白色区域干扰。

这时，应该将刚刚扫描出来的区域置黑，再次进行扫描，截取图像。

同理，数字和字母可同样按着上面的方式扫描，截取。

截取后的图像模板的配对所有的文字数字和字母都截取下来后，我们需要将所得的图片统一的量化为同样大小的图像方便比对。

统一量化后的图像完成了这部的操作之后，就需要建立一个小型的模板库。

将车牌号常见的文字、十个数字和26个英文字母存储为上面同样大小的二值化图片，并且以对应字符的名称命名。

将所有的模板放在一起，按照一定的顺序排列。

然后，我们就可以调用我们已经切割好的图片和模板内部的图片进行相减，寻找差别最小的图片进行匹配，这样就可以识别出车牌号上的字符了。

问题求解：matlab代码：主函数function [d]=main(jpg)close allclcI=imread('Car.jpg');%读入车牌图像Car.jpgI1=rgb2gray(I);I2=edge(I1,'roberts',0.15,'both');se=[1;1;1];I3=imerode(I2,se);se=strel('rectangle',[25,25]);I4=imclose(I3,se);I5=bwareaopen(I4,2000);figure(1),imshow(I5);title('从对象中移除小对象');[y,x,z]=size(I5);%图像以（y,x,z）表达灰度集，x,y为坐标，z为对应位置的值myI=double(I5);%转化为双精度,便于确定范围tic % 测定算法执行的时间，开始计时Blue_y=zeros(y,1);for i=1:yfor j=1:xif(myI(i,j,1)==1)% 寻找y轴方向的白色区域Blue_y(i,1)= Blue_y(i,1)+1; % 是蓝色区域的则进行计数endendend[temp MaxY]=max(Blue_y);%Y方向车牌区域确定 temp(最多点数):所有行中，最多的累积PY1=MaxY;while ((Blue_y(PY1,1)>=5)&&(PY1>1))PY1=PY1-1;end %Y轴方向的上限PY2=MaxY;while ((Blue_y(PY2,1)>=5)&&(PY2<y))PY2=PY2+1;end %Y轴方向的的下限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:xfor i=PY1:PY2 %只需要扫描PY1:PY2 的部分，简化程序if(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;end %确定x轴的右边界PX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;end %确定x轴的左边界PX1=PX1-1;%对车牌区域的校正PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:); %确定图片的截取区域t=toc; % 读取程序的运行时间a=imread('dw.jpg'); %读入已经截取好的图像A=size(a);if length(A)==3b=rgb2gray(a);elseb=a;endfigure(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[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') % 滤波h=fspecial('average',3); %进行均值滤波imwrite(d,'4.均值滤波后.jpg');figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后') % 某些图像进行操作% 膨胀或腐蚀se=eye(2); % eye(n)可返回一个2*2单位矩阵[m,n]=size(d);%图像为二值图像，x,y为坐标if bwarea(d)/m/n>=0.365 %计算二值图像中对象的总面积d=imerode(d,se); %实现图形的腐蚀elseif bwarea(d)/m/n<=0.235d=imdilate(d,se);%实现图像的膨胀endimwrite(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')% 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d=qiege(d); %截掉边界黑色的部分[m,n]=size(d); %图像已经切割的图像的坐标figure,subplot(2,1,1),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;while j~=nwhile s(j)==0j=j+1;end %扫过的地方全为黑色，则向右移动，直到不是停止k1=j; %确定截图的左边界while s(j)~=0 && j<=n-1j=j+1;end %继续扫描，扫过的地方不全为黑色，向右移动，直到不是停止 k2=j-1; %确定截图的右边界if k2-k1>=round(n/6.5)[val,num]=min(sum(d(:,[k1+5:k2-5])));d(:,k1+num+5)=0; % k1+num+5列的位置赋值为黑色，分割endend% 再切割d=qiege(d);% 切割出 7 个字符y1=10;y2=0.25;flag=0;word1=[];while flag==0[m,n]=size(d);left=1;wide=0;while sum(d(:,wide+1))~=0wide=wide+1;end %扫过的地方不全为黑色，向右移动，直到不是停止if wide<y1 % 如果wide小于y1时，从数值判断没有切好，认为是左侧干扰d(:,[1:wide])=0; %将此片区域全部转化为黑色，继续进行切割d=qiege(d);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));two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));if two_thirds/all>y2flag=1;word1=temp; % WORD 1endd(:,[1:wide])=0;d=qiege(d);endend% 分割出第二个字符[word2,d]=getword(d);%getword的函数与上面类似，字母、数字和文字在一些细节上需要去区分% 分割出第三个字符[word3,d]=getword(d);% 分割出第四个字符[word4,d]=getword(d);% 分割出第五个字符[word5,d]=getword(d);% 分割出第六个字符[word6,d]=getword(d);% 分割出第七个字符[word7,d]=getword(d);subplot(5,7,1),imshow(word1),title('1'); subplot(5,7,2),imshow(word2),title('2'); subplot(5,7,3),imshow(word3),title('3'); subplot(5,7,4),imshow(word4),title('4'); subplot(5,7,5),imshow(word5),title('5'); subplot(5,7,6),imshow(word6),title('6'); subplot(5,7,7),imshow(word7),title('7'); [m,n]=size(word1);% 将生成的图片归一化大小为 40*20word1=imresize(word1,[40 20]);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]);subplot(5,7,15),imshow(word1),title('1'); subplot(5,7,16),imshow(word2),title('2');subplot(5,7,17),imshow(word3),title('3');subplot(5,7,18),imshow(word4),title('4');subplot(5,7,19),imshow(word5),title('5');subplot(5,7,20),imshow(word6),title('6');subplot(5,7,21),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' '苏豫陕鲁晋']); %建立自动识别字符代码表SubBw2=zeros(40,20); %40*20的零矩阵l=1;for I=1:7ii=int2str(I); %int2str整型转换字符串t=imread([ii,'.jpg']);SegBw2=imresize(t,[40 20],'nearest'); %改变图片的大小if l==1 %第一位汉字识别kmin=37;kmax=41; %模板中汉字所在的位置elseif l==2 %第二位 A~Z 字母识别kmin=11;kmax=36; %模板中数字所在的位置else l>=3 %第三位以后是字母或数字识别kmin=1;kmax=36; %模板中字母所在的位置endfor k2=kmin:kmaxfname=strcat('字符模板\',liccode(k2),'.jpg');SamBw2=imread(fname);Error(k2)=sum(sum(abs(SegBw2-SamBw2)));%将现有字符逐个与模板字符相减，认为相减误差最小的现有字符与该模板字符匹配endError1=Error(kmin:kmax);MinError=min(Error1);findc=find(Error1==MinError);%寻找最匹配的字符Code(l*2-1)=liccode(findc(1)+kmin-1);%将上述找到的字符位置与liccode中的字符链接上Code(l*2)=' ';%在字符之间加空格l=l+1;endfigure(10),imshow(a),title (['车牌号码:', Code],'Color','b'); 函数getwordfunction [word,result]=getword(d)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=qiege(imcrop(d,[1 1 wide m]));[m1,n1]=size(temp);if wide<y1 && n1/m1>y2d(:,[1:wide])=0;if sum(sum(d))~=0d=qiege(d); % 切割出最小范围else word=[];flag=1;endelseword=qiege(imcrop(d,[1 1 wide m]));d(:,[1:wide])=0;if sum(sum(d))~=0;d=qiege(d);flag=1;else d=[];endendend%endresult=d;qiege函数function e=qiege(d)[m,n]=size(d);top=1; %下端bottom=m; %下端left=1; %左端right=n; % 右端while sum(d(top,:))==0 && top<=m %如果矩阵d的第top行的和为0的话top=top+1;endwhile sum(d(bottom,:))==0 && bottom>=1 %如果矩阵d的第bottom行的和为0的话bottom=bottom-1;endwhile sum(d(:,left))==0 && left<=n %如果矩阵d的第left列的和为0的话left=left+1;endwhile sum(d(:,right))==0 && right>=1 %如果矩阵d的第right列的和为0的话right=right-1;enddd=right-left; %切割的宽度hh=bottom-top; %切割的高度e=imcrop(d,[left top dd hh]); %返回该截取的区域结果分析：1，这种垂直扫描的方式，图像的中车的牌照需要接近水平，如果倾斜的比较厉害，很难只截取车牌号的区域。