基于matlab的车牌识别系统
(完整版)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号码的单个字符图像，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号码。
基于matlab图像处理的车牌识别系统_毕业设计论文
基于matlab图像处理的车牌识别系统目录摘要 (1)第一章绪论 (3)1.1研究背景及意义 (3)1.2车牌系统简介 (4)1.2.1国内外现状 (5)1.2.2车牌识别难点 (6)1.3 MATLAB的简介 (7)1.3 MATLAB语言特点 (8)第二章图像预处理 (8)2.1 图像采集 (8)2.2 图像预处理 (9)2.2.1 图像灰度化 (9)2.2.2 图像增强 (11)第三章车牌定位与分割 (12)3.1 车牌定位 (13)3.2 车牌分割 (17)3.3 车牌进一步处理 (17)第四章字符分割和归一化 (18)4.1 字符分割 (19)4.2 字符归一化 (19)4.3 字符识别 (20)第五章汽车号牌识别系统实现与分析 (22)5.1 系统实现 (22)5.2 系统分析 (25)总结 (28)参考文献 (29)致谢 (30)摘要随着二十一世纪到来，经济快速发展和人们生活水平显著提高，汽车逐渐成为家庭的主要交通工具。
汽车的产量快速增多，车辆流动也变得越来越频繁，因此给交通带来了严重问题，如交通堵塞、交通事故等，智能交通系统(Intelligent Transportation System)的产生就是为了从根本上解决交通问题。
在智能交通系统中车牌识别技术占有重要位置，车牌识别技术的推广普及必将对加强道路管理、城市交通事故、违章停车、处理车辆被盗案件、保障社会稳定等方面产生重大而深远的影响。
该设计主要研究基于MATLAB软件的汽车号牌设别系统设计，系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五大核心部分。
系统的图像预处理模块是将图像经过图像灰度化、图像增强、边缘提取、二值化等操作，转换成便于车牌定位的二值化图像；利用车牌的边缘、形状等特征，再结合Roberts 算子边缘检测、数字图像、形态学等技术对车牌进行定位；字符的分割采用的方法是将二值化后的车牌部分进行寻找连续有文字的块，若长度大于设定的阈值则切割，从而完成字符的分割；字符识别运用模板匹配算法完成。
基于MATLAB的车牌识别系统设计
信电1&China Computer&Communication 软件卄域;与龛用2021年第2期基于MATLAB的车牌识别系统设计张金凤(南京交通职业技术学院，江苏南京211188)摘要:本文在对国内外车牌识别算法的现状和已有的技术进行研究的基础上，开发一个基于MATLAB的车牌识别系统.该系统使用Radon变换对倾斜的车牌进行准确校正，采用OTUS算法二值化车牌图像，利用形态学理论中的开操作和闭操作对图像进行细化处理。
关键词：车牌识别；字符分割；字符识别；MATLAB中图分类号：TP391.41；U495文献标识码：A文章编号：1003-9767(2021)02-153-03The Design of the License Plate Recognition System Based on MATLABZHANG Jinfeng(Nanjing Vocational Institute of Transport Technology,Nanjing Jiangsu211188,China)Abstract：This paper develops a MATLAB-based license plate recognition system based on the research on the current status of domestic and foreign license plate recognition algorithms and existing technologies.The system uses the Radon transform to accurately correct the tilted license plate,uses the OTUS algorithm to binarize the license plate image,and uses the open and closed operations in the morphological theory to refine the image.Keywords:license plate recognition;character segmentation;character recognition;MATLAB0引言一般来说，车辆牌照识别系统由相机、计算机和自定义设计的图像处理软件组成，是智能交通管理系统中的重要组成部分E。
如何使用Matlab技术进行车牌识别
如何使用Matlab技术进行车牌识别车牌识别技术是一种在现代交通管理、安保等领域应用广泛的技术。
通过使用Matlab软件，我们可以轻松实现车牌识别功能。
本文将介绍如何使用Matlab技术进行车牌识别。
一、图像预处理在进行车牌识别之前，首先需要对图像进行预处理。
图像预处理的目的是提取车牌信息并减小噪声干扰。
在Matlab中，我们可以使用一系列图像处理函数来实现图像预处理，包括图像二值化、边缘检测、形态学操作等。
这些函数可以帮助我们提取车牌轮廓，并去除背景和噪声。
二、车牌定位车牌定位是车牌识别的关键步骤之一。
通过车牌定位，我们可以找到图像中的车牌区域，并将其与其他区域进行区分。
在Matlab中，可以使用图像分割、形态学滤波等技术来实现车牌定位。
这些技术可以帮助我们提取车牌的形状、颜色和纹理等特征，并将其与其他区域进行区分。
三、字符分割一旦我们成功地定位了车牌区域，就需要将车牌中的字符进行分割。
字符分割是车牌识别中的一个重要环节。
通过将车牌中的字符进行分割，我们可以得到单个字符的图像，为后续的字符识别做准备。
在Matlab中，可以使用一系列图像处理函数来实现字符分割，包括边缘检测、连通性分析和投影分析等。
这些函数可以帮助我们将车牌中的字符与其他区域进行分离。
四、字符识别字符识别是车牌识别的核心任务。
通过对字符进行识别，我们可以得到车牌中的文本信息。
在Matlab中，可以使用模式识别、神经网络或者深度学习等技术来实现字符识别。
这些技术可以帮助我们训练一个分类器，将字符图像与对应的字符进行匹配。
通过匹配算法，我们可以得到车牌的文本信息。
五、车牌识别结果展示在进行车牌识别之后，我们可以将识别结果进行展示。
通过将识别结果与原始图像进行对比，我们可以验证车牌识别的准确性。
在Matlab中，可以使用图像绘制函数和文本显示函数来实现车牌识别结果的展示。
通过这些函数，我们可以在原始图像中标注出识别结果，并将结果显示在图像上。
开题报告基于MATLAB车牌识别系统设计
2014.11.1-2015.1.23 毕业设计选题，查阅相关文献，提交开题报告
2015.1.24-2015.3.31 列出毕业设计说明书基本框架并完成主要内容
2015.4.11-2015.4.29 完成毕业设计说明书初稿
2015.4.30-2015.5.14 补充、完善，完成毕业设计说明书终稿
三、设计方法和步骤
设计的系统要求能从已给出的比较清晰的含有汽车图像的图片中，利用数字图像处理和一些相关算法，准确、快速地识别出车牌。总体设计流程图如下。
图1总体设计流程图
1、图像输入
输入的图像由于受到天气、光照等的影响，再加上车牌老化污损、陈
旧褪色，这些都可能使车牌图像产生对比度不足的弊端，图像细节分辨不清，车牌字符部分不突出。而且，对高速行进中的汽车拍摄的图像往往产生模糊、扭曲、变形等现象，这都增加了预处理的难度。而这些处理需要很复杂的过程，因为系统把读入的图片默认为比较清晰的、几乎没有倾斜度的图片。
学 号：116712146
姓 名：
指导教师、职称：
2021年 1 月 10 日
、
一、本设计课题的目的意义
随着人们的生活水平的不断提高，汽车的需求量也日渐增加。随之增加的也有对城市交通状况的重视，如何进行有效的交通管理更是成为了人们关注的焦点。所以智能交通系统已成为世界交通领域研究的重要课题。现代社会里图形图像技术不断的发展，车牌识别技术准确率也越来越高。车牌识别系统作为智能交通系统的一个重要组成部分，应用也十分广泛。它通过数字图像处理等技术对摄像头所拍摄的图像或者视频进行分析，得到每一辆汽车唯一的车牌号码，完成其识别过程。车牌号码识别系统已在高速公路、城市交通和停车场等项目的管理中占有无可取代的重别，从而降低交通管理工作的复杂度，可以在停车场，高速公路收费站，电子警察，超速抓拍，闯红灯抓拍等领域运用。
基于MATLAB的车牌智能识别设计
基于MATLAB的车牌智能识别设计摘要：车牌智能识别技术是智能交通系统中的重要组成部分，能够提高交通管理效率和安全性。
本文基于MATLAB平台，设计了一种车牌智能识别系统，通过图像处理和模式识别技术实现车牌号码的准确识别。
该系统能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，具有较高的准确性和稳定性，可以有效应用于停车场管理、交通违法抓拍等领域。
关键词：车牌智能识别；MATLAB；图像处理；模式识别一、引言随着汽车数量的快速增长，交通拥堵和交通管理成为社会发展中的一大难题。
为了提高交通管理效率和安全性，智能交通系统得到了广泛的关注和应用。
车牌智能识别技术作为智能交通系统中的重要组成部分，能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，为交通管理和监控提供了重要的支持。
二、相关技术及方法1. 图像处理技术图像处理技术是车牌智能识别系统中的核心技术之一，主要包括灰度化、二值化、边缘检测、形态学处理等操作。
灰度化是将彩色图像转换为灰度图像，简化了图像信息的处理；二值化将灰度图像转换为二值图像，方便进行特征提取和分割操作；边缘检测可以准确提取车牌的轮廓信息；形态学处理可以用于去除图像中的噪声点和填充孔洞，提高字符的连通性。
2. 字符分割与特征提取字符分割是指将车牌图像中的字符分离出来，是车牌识别的关键步骤之一。
在字符分割后，需要进行字符的特征提取，包括字符的大小、形状、像素点分布等特征。
这些特征可以用于字符的识别和分类，提高识别的准确性和鲁棒性。
3. 模式识别算法模式识别算法是车牌智能识别系统中的另一个核心技术，主要包括基于模板匹配的模式识别、基于统计学习的模式识别、基于深度学习的模式识别等方法。
这些算法能够对字符进行准确的识别和分类，为车牌智能识别系统提供了强大的分析和识别能力。
三、车牌智能识别系统设计基于MATLAB平台，设计的车牌智能识别系统主要包括图像预处理、字符分割与特征提取、模式识别和结果输出四个主要模块。
基于MATLAB的车牌识别系统的源代码(可以实现)
k=input('Enter the file name:','s');%输入车牌照片im=imread(k);imshow(im);im_gray=rgb2gray(im);im_gray=medfilt2(im_gray,[3,3]);%对图像进行中值滤波Image=im2bw(im_gray,0.2);BW=edge(im_gray,'sobel');%找出图像边缘[imx,imy]=size(BW);%计算图像大小msk=[0 0 0 0 0;0 1 1 1 0;0 1 1 1 0;0 1 1 1 0;0 0 0 0 0;];B0=conv2(double(BW),double(msk));%对边缘区域进行加强se=ones(2,80);B1=imdilate(B0,se);%figure;%imshow(B1);B2=imerode(B1,se);%figure;%imshow(B2);se=ones(20,2);B3=imdilate(B2,se);%figure;imshow(B3);B4=imerode(B3,se);%figure;imshow(B4);se=ones(50,2);B5=imdilate(B4,se);%figure;imshow(B5);B6=imerode(B5,se);%figure;imshow(B6);%对边界图进行小区域连通，使车牌区域连通为一个方块[B,L]=bwboundaries(B6,4);imshow(label2rgb(L,@jet,[.5 .5 .5]))%对连通区域进行标记hold onfor k=1:length(B)%用线条给连通区域标上边界线boundary=B{k};plot(boundary(:,2),boundary(:,1),'w','LineWidth',2)endstats=regionprops(L,'Area','Centroid');%找到每个连通域的质心for k=1:length(B)%循环遍历每个连通域的边界boundary=B{k};%获取一条边界上的所有点delta_sq=diff(boundary).^2;perimeter=sum(sqrt(sum(delta_sq,2)));%计算边界周长area=stats(k).Area;%获取边界所围面积metric=27*area/perimeter^2;%计算匹配度metric_string=sprintf('%2.2f',metric);%要显示的匹配度字串if metric>=0.85&&metric<=1.15&&area>1000%截取出匹配度接近1且面积大于1000像素的连通域centroid=stats(k).Centroid;plot(centroid(1),centroid(2),'ko');%提取该连通域所对应在二值图像中的矩形区域goalboundary=boundary;s=min(goalboundary,[],1);e=max(goalboundary,[],1);goal=imcrop(Image,[s(2) s(1) e(2)-s(2) e(1)-s(1)]);endtext(boundary(1,2)-35,boundary(1,1)+13,metric_string,'Color','g','FontSize',14,'FontWeight','bold') ;%显示匹配度字串endgoal=~goal;%对截取图像进行反色处理figure;imshow(goal);[a,b]=size(goal);for i=a/2:-1:1 %从图像水平中轴开始向上扫描，当白点数少于每行总点数的1/10时，停止扫描，并将该行定义为车牌字符区域的上限num=0;for j=1:bif goal(i,j)==1num=num+1;endendif num<(b*0.1)line_up=i;break;endendfor i=a/2:a %从图像水平中轴开始向下扫描，当白点数少于每行总点数的1/10时，停止扫描，并将该行定义为车牌字符区域的下限num=0;for j=1:bif goal(i,j)==1num=num+1;endendif num<(b*0.1)line_down=i;break;endendgoal=goal(line_up:line_down,1:b);%根据之前定义的上下限截取车牌字符区域figure;imshow(goal);%显示车牌字符区域[a,b]=size(goal);row=zeros(18);now=1;flag=0;for j=1:b %对截取出的字符区域进行竖列扫描，并取每列总点数的1/10作为阈值点，当每列的白点数从阈值以上掉落到阈值以下或从阈值以下上升到阈值以上时，记录该列的横坐标num=0;for i=1:aif goal(i,j)==1num=num+1;endendif flag==0if num<0.1*arow(now)=j;now=now+1;flag=1;endelseif num>0.1*arow(now)=j;now=now+1;flag=0;endendendif row(3)-row(2)>10 %判断扫描出的第二块区域（扫描到的第二列与第三列之间）是否包含有效字符，如包含，则将扫描到的第二列定义为字符分割的起始列；否则，则定义第一列为起始列now=2;elsenow=1;endfigure;l1=0;l2=0;for k=1:8m=row(now);n=row(now+1);temp=goal(1:a,m:n);point=0;%扫描每一个字符图片的白点数for i=1:afor j=1:n-mif temp(i,j)==1point=point+1;endendendif point>0.4*a*(n-m)&&n>m %当扫描到的白点数小于总点数的2/5时放弃输出（有可能是车牌上的点状分隔符）l2=l2+1;%l2用来记录识别出的字符数subplot(1,7,l2);x(k)=code(temp);%调用子程序进行字符扫描，并返回字符的ASCII码x(k)=uint8(x(k));if x(k)>0 %当所选区域不为空时进行输出l1=l1+1;%l1用来记录输出的字符数s(l1)=char(x(k));endtemp(32,32)=0;imshow(temp);endnow=now+2;endy=char(s);%将得到的ASCII码重新转换为字符并在屏幕上输出fprintf('\r\n该车辆的车牌号为：\r\n');disp(y);fprintf('\r\n输出的字符数为：%4d\r\n',l1);fprintf('识别出的字符数为：%4d\r\n',l2);。
车牌识别matlab实验报告
车牌识别matlab实验报告标题：基于Matlab的车牌识别实验报告摘要：车牌识别是计算机视觉领域的一个重要研究方向，具有广泛的应用前景。
本实验基于Matlab平台，设计并实现了一个简单的车牌识别系统。
实验采用了图像处理和模式识别的技术，通过对车牌图像的预处理、字符分割和字符识别等步骤，成功地实现了对车牌的自动识别。
实验结果表明，该系统在不同场景下的车牌识别效果良好。
一、引言随着交通问题的日益突出，车牌识别技术在交通管理、安防等领域得到广泛应用。
车牌识别系统的核心是对车牌图像进行处理和分析，从中提取出车牌的信息。
本实验旨在利用Matlab平台，实现一个简单的车牌识别系统，并对其性能进行评估。
二、实验方法1. 数据收集：收集包含不同角度、光照条件和车牌类型的车牌图像，并建立一个图像库。
2. 图像预处理：对采集到的车牌图像进行预处理，包括图像增强、灰度化、二值化等操作，以减小光照和噪声对后续处理的影响。
3. 车牌定位：利用边缘检测和形态学处理等方法，对预处理后的图像进行车牌定位，提取出车牌区域。
4. 字符分割：对提取到的车牌区域进行字符分割，将车牌中的字符单独切割出来，以便后续的字符识别。
5. 字符识别：利用模式识别算法，对字符进行识别。
本实验采用了支持向量机（SVM）算法进行训练和分类。
6. 性能评估：对实验结果进行评估，包括准确率、召回率和F1值等指标。
三、实验结果与讨论经过实验测试，我们的车牌识别系统在不同场景下表现出良好的性能。
在收集的测试集上，系统的准确率达到了90%，召回率为85%。
在实际应用中，我们注意到系统对于光照条件较好、车牌清晰的图像处理效果更佳，对于遮挡、模糊的车牌图像处理效果有待改进。
四、结论本实验基于Matlab平台，设计并实现了一个简单的车牌识别系统。
通过图像预处理、车牌定位、字符分割和字符识别等步骤，我们成功地实现了对车牌的自动识别。
实验结果表明，该系统在不同场景下的车牌识别效果良好，并能够较为准确地提取出车牌中的字符信息。
基于MATLAB的车牌识别系统的实现
基于MATLAB的车牌识别系统的实现
1 引言
车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并应满足实时性要求。
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，其硬件一般包括触发、摄像、照明、图像采集等设备，其软件核心包括车牌定位、车牌字符分割和字符识别等算法。
2 系统的实现
2．1 系统简述
一个完整的牌照识别系统应包括车辆检测、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，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。
牌照识别系统原理如图
1 所示。
2．
2 图像预处理
输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。
对图像进行灰度化处理、提取背景图像、增强处理、图像二值化、边缘检测、滤波等处理的主要MATLAB 语句如下所示：2．3 车牌定位
自然环境下，汽车图像背景复杂，光照不均匀，在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。
首先对采集到的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。
MATLAB车牌识别系统课程设计
MATLAB车牌识别系统课程设计一、课程目标知识目标：1. 学生能理解MATLAB编程环境，掌握基本的数据类型、运算符和流程控制语句。
2. 学生能掌握车牌图像的预处理方法，包括图像灰度化、二值化、滤波去噪等。
3. 学生能理解并实现车牌定位和分割的算法，提取车牌字符。
4. 学生能掌握车牌字符识别的方法，如模板匹配、神经网络等。
技能目标：1. 学生能够运用MATLAB编写程序，对车牌图像进行处理和分析。
2. 学生能够独立设计并实现一个简单的车牌识别系统。
3. 学生能够通过实践操作，提高问题解决能力和团队协作能力。
情感态度价值观目标：1. 学生培养对图像处理和模式识别领域的兴趣，激发学习热情。
2. 学生通过实践，认识到编程在解决实际问题中的重要性，增强自信心。
3. 学生在团队协作中，学会尊重他人，培养良好的沟通能力和合作精神。
课程性质：本课程为选修课，旨在让学生在实际项目中运用所学的编程知识，提高解决实际问题的能力。
学生特点：学生为高中年级，已具备一定的编程基础，对新鲜事物充满好奇心，但实践经验不足。
教学要求：结合学生特点和课程性质，注重理论与实践相结合，引导学生通过自主学习和团队协作，完成课程目标。
将目标分解为具体的学习成果，以便后续的教学设计和评估。
二、教学内容1. MATLAB编程基础- 数据类型与运算符- 程序流程控制- 函数与脚本- 图像处理基本操作2. 车牌图像预处理- 图像读取与显示- 灰度化与二值化- 滤波去噪- 边缘检测与轮廓提取3. 车牌定位与分割- 车牌区域提取- 车牌字符分割- 车牌倾斜校正4. 车牌字符识别- 模板匹配法- 神经网络法- 支持向量机法5. 车牌识别系统实现- 系统框架设计- 模块化编程实现- 系统测试与优化教学内容依据课程目标，结合教材章节进行安排。
在教学过程中，注重理论与实践相结合，引导学生逐步掌握MATLAB编程及图像处理方法。
教学内容分为五个部分，每部分对应相应的知识点，确保学生能够系统地学习车牌识别系统的设计原理和实现方法。
Matlab环境下基于神经网络的车牌识别
Matlab环境下基于神经网络的车牌识别一、本文概述随着科技的快速发展和智能交通系统（ITS）的广泛应用，车牌识别技术已成为现代城市管理、交通监控、违法查处等多个领域的关键技术之一。
作为智能交通系统的核心组成部分，车牌识别技术旨在通过图像处理和计算机视觉的方法，从复杂多变的交通图像中准确地提取车牌信息，进而实现车辆的自动识别和跟踪。
在众多的车牌识别方法中，基于神经网络的方法因其强大的特征提取和分类能力而备受关注。
Matlab作为一款强大的数学计算和仿真软件，提供了丰富的神经网络工具箱，为用户提供了便捷的神经网络模型构建、训练和应用环境。
本文旨在探讨在Matlab环境下，如何利用神经网络技术实现高效、准确的车牌识别。
本文首先介绍了车牌识别的研究背景和意义，然后详细阐述了神经网络的基本原理及其在车牌识别中的应用。
接着，文章重点介绍了在Matlab环境下，车牌识别系统的设计和实现过程，包括图像预处理、车牌定位、字符分割和字符识别等关键步骤。
文章通过实验验证了所提出方法的有效性和优越性，并对未来的研究方向进行了展望。
通过本文的研究，旨在为车牌识别技术的发展和应用提供一定的参考和指导，同时也为相关领域的研究者和技术人员提供一种有效的解决方案。
二、车牌识别系统的基本原理车牌识别系统（License Plate Recognition, LPR）是一种通过图像处理技术自动识别和提取车辆牌照信息的系统。
在Matlab环境下，基于神经网络的车牌识别主要依赖于深度学习算法，特别是卷积神经网络（Convolutional Neural Networks, CNN）。
预处理：预处理是车牌识别的第一步，其主要目的是改善图像质量，减少噪声，并突出车牌区域。
常见的预处理步骤包括灰度化、噪声去除、边缘检测、图像增强等。
车牌定位：车牌定位是在预处理后的图像中找出车牌所在的位置。
这通常通过图像处理技术，如颜色分割、形态学操作、边缘检测等实现。
《2024年基于MATLAB的车牌识别系统研究》范文
《基于MATLAB的车牌识别系统研究》篇一一、引言随着科技的发展，车牌识别系统在交通管理、安全监控、车辆定位等领域的应用越来越广泛。
MATLAB作为一种强大的编程语言和数据处理工具，被广泛应用于图像处理和机器视觉等领域。
本文旨在研究基于MATLAB的车牌识别系统，包括系统的基本原理、实现方法、实验结果和结论。
二、车牌识别系统的基本原理车牌识别系统是一种基于图像处理和机器视觉技术的自动识别系统。
其主要原理包括图像预处理、车牌定位、字符分割和字符识别四个部分。
在MATLAB中，这些过程通过数字图像处理算法、计算机视觉算法以及机器学习算法实现。
（一）图像预处理图像预处理是车牌识别系统的第一步，主要目的是消除图像中的噪声和干扰信息，提高图像的清晰度和对比度，以便后续的图像处理和分析。
常用的预处理方法包括灰度化、二值化、滤波等。
（二）车牌定位车牌定位是车牌识别系统的关键步骤，其主要目的是从图像中准确地检测出车牌的位置。
常用的车牌定位方法包括基于颜色特征的方法、基于形状特征的方法和基于模板匹配的方法等。
在MATLAB中，可以通过边缘检测、Hough变换等方法实现车牌的定位。
（三）字符分割字符分割是将车牌图像中的每个字符分割出来的过程。
常用的字符分割方法包括投影法、连通域法等。
在MATLAB中，可以通过图像形态学操作、阈值分割等方法实现字符的分割。
（四）字符识别字符识别是将分割后的字符进行分类和识别的过程。
常用的字符识别方法包括模板匹配法、神经网络法等。
在MATLAB中，可以通过训练分类器、使用机器学习算法等方法实现字符的识别。
三、车牌识别系统的实现方法在MATLAB中，我们可以通过编写程序实现车牌识别系统的各个步骤。
具体实现方法如下：（一）图像预处理首先，对输入的图像进行灰度化和二值化处理，消除噪声和干扰信息。
然后，通过滤波等操作提高图像的清晰度和对比度。
（二）车牌定位通过边缘检测和Hough变换等方法检测出车牌的轮廓，并确定车牌的位置。
基于MATLAB的车牌识别系统研究(课设参考文献)
1.2.3 车牌识别技术的发展趋势
5
上海交通大学硕士学位论文
绪论
车牌识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已 经得到了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种 不足。
对于未来车牌识别产品的技术发展趋势， 汉王科 技智能 交通部 总经理 乔炬认 为。首先，由于市场需求不同，对识别产品的需求也有差异，因此就要求研发针对 不同细分市场的车牌识别产品。其次，随着算法的不断改进，基于视频触发技术的 车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。 第三，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护 是一个让人头疼的问题。随着技术不断进步，以往多个设备实现的功能可能由一个 设备实现。
为基础的车牌识别系统，识别率分别为 81.25%、85%、91.25%。日本对车牌图像的 获取也做了大量的研究，并为系统产业化做了大量工作。Luis [4]开发的系统应绪论
公路收费站，全天识别率达到了 90%以上，即使在天气不好的情况下也达到了 70%。 国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种 类单一，规范程度较高，易于定位识别，目前，已经实现了产品化，并在实际的交 通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关 于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效 果好，但其识别系统中采用的很多算法具有很好的借鉴意义。
上海交通大学硕士学位论文
绪论
1 绪论
1.1 研究背景
1990 年，美国智能交通学会 CITS America 提出了智能交通系统（ITS）的概念。 目前，智能交通系统已经在世界上经济发达国家的一些城市及高速公路系统中得到 了广泛应用。我国在该领域的研究起步较晚，但随着全球范围智能交通技术研究的 兴起及奥运会的成功举办，智能交通在我国也逐渐进入了应用阶段，相应的，我国 也加快了对智能交通技术研究的步伐，智能交通技术的研究现已进入快速发展期。
基于matlab的车牌识别系统的设计
基于matlab的车牌识别系统的设计1．摘要：汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。
本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。
在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。
实验结果表明,本文提出的方法具有良好的识别性能。
随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。
汽车牌照的自动识别技术已经得到了广泛应用。
2．设计目的：1、使学生在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。
2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。
3．设计原理由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。
图1 牌照识别系统原理图该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。
其基本工作过程如下：（1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等；（3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；（4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。
4．详细设计步骤4.1 提出总体设计方案。
基于MATLAB图像处理的恶劣天气自动车牌识别系统设计
基于MATLAB图像处理的恶劣天气自动车牌识别系统设计摘要针对恶劣天气环境下传统的自动车牌识别系统存在运行时间长、输出车牌信息不准等问题，本文提出了借助MATLAB的图像处理功能从图像去雾、车牌定位、字符识别三个模板进行自动车牌识别系统的设计，并采用暗通道优先、支持向量机、模板匹配三种算法，通过实验验证了车牌定位和字符识别的准确性提高效果良好。
关键词车牌识别暗通道优先支持向量机模板匹配引言全球汽车的使用越发呈爆炸式增长，人类的生活出行更加方便了，但同时也对城市交通造成了巨大的压力。
车辆的普及对交通设施与交通监管部门提出了更高的要求，传统的人工管理手段和交通基础已经不足以解决日益繁重的车辆管理工作[1]。
为了更加智能、高效的交通监督与管理，人们基于人工智能技术的发展提出了“智慧交通”的概念，通过使用一系列的车辆检测和道路实时监控设备来获取道路交通的各类信息，实现了交通管理的自动化、智能化。
智能交通系统是将传感器技术、自动控制理论、人工智能等科学技术有效结合并综合运用于现代交通的运输管理体系。
车牌作为一辆车的重要信息源，自动车牌识别技术更是智能交通系统的重要组成部分。
自动车牌识别系统对当今世界的交通工作的处理起到不容忽视的作用[2]。
在恶劣天气条件下，自动车牌识别系统受到灰尘、烟雾以及污渍遮挡等影响，使得图像模糊不清、信息不准等现象，这将大大降低所得图像的利用价值[3]。
因此，设计一种准确且功能强大的车牌识别系统非常重要。
本文基于MATLAB 设计能够在恶劣天气下使用的自动车牌识别系统。
0 系统结构设计在恶劣天气环境下实现对车辆车牌的检测与识别，自动车牌识别系统主要从图像去雾、车牌定位、字符识别三个模块进行设计[4]，设计结构流程如图1。
3.4 边缘检测边缘检测能够标出车牌信息的大幅度变化，可以使车牌在没有背景和车牌字体的情况下进行分离，以此防止提取图像颜色特征值时周围出现类似颜色对过程造成干扰。
图5显示边缘检测后的车牌图像。
基于MATLAB车牌识别系统研究
毕业设计 [论文]题目：基于MATLAB车牌识别系统研究系别：电气与电子工程系专业：电气工程及其自动化姓名：学号：091210247指导教师：杨帆河南城建学院2012年05 月10 日摘要近几年，车牌识别系统作为智能交通的一个重要方向越来越受到重视。
车牌识别系统可以应用于停车场管理系统、高速公路超速管理系统、城市十字路口的“电子警察”、小区车辆管理系统等各个领域，对国家的安全发展有很大的作用。
虽然目前已有一些车牌识别系统相关产品出现，但是对其算法的研究发展从没有停止，仍有许多学者在做着进一步的研究改进。
本文首先对车牌识别系统的现状和已有的技术进行了深入的研究，在研究的基础上开发出一个基于MATLAB 的车牌识别系统。
确定了整体设计方案，其中软件部分包括车牌定位、车牌字符切分及车牌字符识别三个模块。
车牌定位模块中提出了基于小波变换的车牌边缘提取的算法，以及车牌二次定位的算法，提高了系统在光照条件较差的情况下的定位准确率，该算法对于各种底色的车牌具有良好的适应性；车牌的二值化采用了改进的Otus 算法，重新划分了其两维直方图的区域，改进后的算法大大减少了运行时间，对于各种类型的车牌都能达到较好的二值化效果。
根据上述算法搭建了一个测试平台。
整个测试平台的软件部分采用MATLAB 的M 语言编写。
通过测试平台，对353 幅卡口汽车照片进行车牌识别，测试系统的性能。
测试结果表明，本课题设计的车牌识别系统可有效地实现车牌识别，为今后的产品化奠定了很好的技术基础。
关键词：车牌识别，小波变换，Otsu 算法，模板匹配， MATLABABSTRACTIn recent years, the development of intelligent transportation has become more and more important. As an important aspect in intelligent transportation, plate license recognition system has taken more and more attention. The plate license recognition system can be applied to public parking, highway speeding management system, crossing road, district vehicle management system, and so on. Although now there are already some exsiting plate lecense recognition systems, the research and development of arithmetic have never stopped, and there are still many scholars who are doing further research and improvement.Firstly, the paper gives a deep research on the status and technique of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed, and the paper focused on the software part. The whole system concludes three modules. They are plate location, plate character segmentation, and plate character recognition. In the plate location module, the paper puts forward an arithmetic of plate edge recognition by wavelet decomposition, and an arithmetic of locating twice, which improve the accuracy in bad light condition, and are fit for plates with different grounding. An improved Otsu arithmetic is used in the process of binaryzating, which reduces the running time, and can achieve good effect for different kinds of plate.Then, a test platform has been built with MATLAB, for the test of the system. Through the test of 353 monitoring car photographs, the results shows that the system can effectively meets the requirement, and lay a good foundation of technology for productization.KEY WORDS: plate license recognition, wavelet transform, Otsu, template matching, MATLAB摘要 (I)ABSTRACT ................................................. I II 1 绪论.. (1)1.1 研究背景 (1)1.2 车牌识别系统现状 (3)1.2.1 国内外车辆牌照识别技术现状 (3)1.2.2 车牌识别技术的应用情况 (4)1.2.3 车牌识别技术的发展趋势 (5)1.3 本课题的设计内容 (5)1.4 论文结构 (6)2 系统总体设计 (8)2.1 车牌识别系统总体设计 (8)2.2 系统硬件设计 (8)2.3 系统软件设计 (9)2.4 本章小结 (10)3 车牌定位 (11)3.1 车辆图像预处理 (11)3.1.1 图像灰度化 (11)3.1.2 灰度拉伸 (12)3.1.3 图像平滑 (13)3.2 图像的边缘检测 (14)3.3 车牌初步定位 (15)3.3.1 结构元素的选取 (15)3.3.2 提取候选区域 (16)3.4 车牌精确定位 (17)3.4.1 车牌水平方向的定位算法 (18)3.4.2 车牌垂直方向的定位算法 (19)3.5 本章小结 (20)4 车牌字符切分 (22)4.1 车牌字符切分综述 (22)4.2 车牌二值化 (22)4.2.1 图像二值化的基本原理 (22)4.2.2 Otsu 算法 (23)4.3 倾斜校正 (24)4.3.1 倾斜角度的计算 (24)4.3.2 坐标变换校正图像 (25)4.4 字符切分 (26)4.5 本章小结 (28)5 车牌字符识别 (30)5.1 车牌字符识别综述 (30)5.2 模板匹配字符识别 (31)5.2.1 模板匹配字符识别 (31)5.2.2 创建匹配模板 (32)5.2.3 提取车牌特征 (32)5.2.4 模板匹配 (33)5.2.5 模板匹配字符识别法小结 (34)5.3 本章小结 (35)6 系统测试及分析 (36)6.1 测试平台搭建 (36)6.2 测试平台介绍 (37)6.3 测试结果分析 (40)6.4 本章小结 (41)7 总结与展望 (42)7.1 总结 (42)7.2 展望 (43)参考文献 (44)附录 (45)致谢 (46)1 绪论1.1 研究背景1990 年，美国智能交通学会CITS America 提出了智能交通系统（ITS）的概念。
(完整word版)基于Matlab的车牌识别(完整版)
基于Matlab的车牌识别摘要:车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。
本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，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,最后识别出汽车车牌。
一、设计原理车辆车牌识别系统的基本工作原理为：将摄像头拍摄到的包含车辆车牌的图像通过视频卡输入到计算机中进行预处理，再由检索模块对车牌进行搜索、检测、定位，并分割出包含车牌字符的矩形区域，然后对车牌字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。
车牌自动识别是一项利用车辆的动态视频或静态图像进行车牌号码、车牌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。
某些车牌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。
一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。
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。
车牌识别单元对图像进行处理，定位出车牌位置，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。
二、设计步骤总体步骤为：基本的步骤：a.车牌定位，定位图片中的车牌位置；b.车牌字符分割，把车牌中的字符分割出来；c.车牌字符识别，把分割好的字符进行识别，最终组成车牌号码。
车牌识别过程中，车牌颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。
(1）车牌定位: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车牌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，找到符合汽车车牌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车牌区域，并将其从图象中分割出来。
- 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：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,I);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。
调用格式：total = bwarea(BW)估算二值图像BW中对象的总面积。
返回的total是一个标量，它的值大致地反映了和图像中on像素的个数。