车牌识别

实验步骤及截图

dw=dingwei(I5);
总体原理：

定位字符主要就是通过对预处理后的图像制作行方向 像素点灰度值累积和与列方向像素点灰度值累积和的 图表，并对准坐标明确各个字母的位置。
可能遭遇的问题：

由于定位的是与处理之后的图像，所以对预处理有很 多要求，如需要将图像摆正，需要对部分有标点的车 牌进行标点处理等等。






if(I6(i,j,1)==1)
X1(1,j)= X1(1,j)+1; end end end




编写程序语言及作用：

subplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值 '),ylabel('像数'); PX1=1; while ((X1(1,PX1)<3)&&(PX1<x)) PX1=PX1+1; end PX2=x; while ((X1(1,PX2)<3)&&(PX2>PX1)) PX2=PX2-1; end

图像预处理

边缘检测后就要将不感兴趣的部分去除，这时我们 可以运用图像的腐蚀。
se=[1;1;1]; I3=imerode(I2,se);

图像预处理

腐蚀之后对图像进行填充，也就是对图像实现闭运 算，闭运算也能平滑图像的轮廓，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， 使得腐蚀后的车牌区域变得饱满，易于定位。



PY1=MaxY;
while ((Y1(PY1,1)>=50)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)>=50)&&(PY2<y)) PY2=PY2+1;






编写程序语言及作用：

IY=I(PY1:PY2,:,:); %行方向车牌区域确定 %%%%%% X方向 %%%%%%%%% X1=zeros(1,x);%进一步确定x方向的车牌区域 for j=1:x for i=PY1:PY2
subplot(3,2,5);
imshow(I2),title('形态学滤波后的二值化图像'); [y1,x1,z1]=size(I2); I3=double(I2); TT=1; %%%%%%%去除图像顶端和底端的不感兴趣区域%%%%% Y1=zeros(y1,1); for i=1:y1 for j=1:x1 if(I3(i,j,1)==1)
se=strel('rectangle',[25,25]);

%构造结构元素以正方形构造一个se I4=imclose(I3,se);
图像预处理

填充之后在车牌区域外部还有少许小面积对象，我 们运用bwareaopen函数删除这些小面积对象。

I5=bwareaopen(I4,2000);
图像预处理
算法
图片对比
车牌字符识别
车牌字符识别
Байду номын сангаас
字符识别方法目前主要有基于模板匹配 算法和基于人工神经网络算法。基于模板匹 配算法首先将分割后的字符二值化,并将其尺 寸大小缩放为字符数据库中模板的大小，然 后与所有的模板进行匹配，最后选最佳匹配 作为结果。基于人工神经元网络的算法有两 种：一种是先对待识别字符进行特征提取， 然后用所获得特征来训练神经网络分配器； 另一种方法是直接把待处理图像输入网络， 由网络自动实现特征提取直至识别出结果。







Y1(i,1)= Y1(i,1)+1;%蓝色像素点统计 end end end



编写程序语言及作用：

[temp MaxY]=max(Y1);%Y方向车牌区域确定 figure(); subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像 素');

运行结果
⑤对处理完的图像进行字符分割
在进行车牌分割前，需要首先对车牌特征有一定分析 及了解，目前国内产检的车牌都是7个字符的长方形 车牌，按照国家标准规定，标准的车牌具有如下特征： 尺寸固定。国家标准规定，普通车牌号由7个字符组 成，每个字符的宽高比为1:2，第一个字符为汉字， 第2~4个字符为字母或数字，其余为数字，并且字符 与字符间有一定的间隔，一般蓝底白字或黄底黑字










Y1(i,1)= Y1(i,1)+1 ;
end

编写程序语言及作用：

Py1=1; Py0=1; while ((Y1(Py0,1)<20)&&(Py0<y1)) Py0=Py0+1; end Py1=Py0; while((Y1(Py1,1)>=20)&&(Py1<y1)) Py1=Py1+1; end I2=I2(Py0:Py1,:,:); subplot(3,2,6); imshow(I2),title('目标车牌区域');

imwrite(dw,'dw.jpg');%将彩色车牌写入dw文件中 I=imread('dw.jpg');%读取车牌文件中的数据 I1 = rgb2gray(I); g_max=double(max(max(I1))); g_min=double(min(min(I1))); T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值






[m,n]=size(I1);% d:二值图像
%h=graythresh(I1); I1=im2bw(I1,T/256); subplot(3,2,4); imshow(I1),title('二值化车牌图像');




编写程序语言及作用：

I2=bwareaopen(I1,20);


运行结果
④进行腐蚀或膨胀操作



腐蚀的具体操作是：用一 个结构元素(一般是3×3的 大小)扫描图像中的每一个 像素，用结构元素中的每 一个像素与其覆盖的像素 做“与”操作，如果都为 1，则该像素为1，否则为 0。 膨胀的具体操作是：用一 个结构元素(一般是3×3的 大小)扫描图像中的每一个 像素，用结构元素中的每 一个像素与其覆盖的像素 做“与”操作，如果都为 0，则该像素为0，否则为 1。 作用消除小物体或者填充 小空洞，平滑边界并且不 改原来物体变面积。








编写程序语言及作用：
PX1=PX1-1;%对车牌区域的校正
PX2=PX2+1;

%分割出车牌图像%
dw=I(PY1:PY2,PX1:PX2,:); subplot(3,2,3),imshow(dw),title('定位剪切
后的彩色车牌图像');
编写程序语言及作用：
心得体会及感想：

通过这部分的工作，我收获很大，不单单是努力做好 了自己这部分的工作，也明白了分工合作的重要性， 并且再接替之前工作的同时懂得了为下一部分的工作 打基础，增强了自己的团体意识。
车牌分割
试验程序
实验结果
前情提要

因为我们小组负责的是车牌分割部分的程序，所以我 们的前几组应该做到整张车辆图片的预处理、识别并 且分割出车牌图像。因为我们几个小组各组都是同步 进行，所以我们小组直接在网上截取一张车牌图像进 行测试。


I2=edge(I1,'robert',0.11,'both');
图像预处理
关于边缘检测算子的阈值 经过多次试验，发现阈值越低，能够检测出的边线越 多，结果也就越容易受到图片噪声的影响，导致无法 准确定位车牌。与此相反，一个高的阈值将会遗失细 的或者短的线段，结果就是车牌有可能只有一半被定 位。
基于MATLAB的 汽车牌照识别程序
流程图
达到目标： 载入带车牌的汽车图片 后能正确输出车牌号码。
分工分组情况
结果演示

I=imread(‘car.jpg’);
图像预处理
陈霖 2011010992
杨硕 2011011005
图像预处理

图像预处理的操作主要是为后续定位车牌找出有用 区域也就是车牌区域。
实验步骤

我们小组选取的车牌图像。
总体思想

载入车牌区域图像，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）方 便下一个步。
①将载入的车牌区域图像转化为灰度图像
由于车牌底色跟上面 的字符的颜色对比度 很大，所以将RGB图像 转化为灰度图时，车 牌底色跟字符的灰度 值也会相差很大，这 样就可以很明显的显 现出车牌区域，便于 后续处理。

到此图像预处理的工作基本完成。
图像预处理
心得： 在整个程序部分图像的预处理还是比较简单的 部分，关键在于预处理中各个处理的衔接顺序，以及 算子阈值参数的选定，要想准确定位车牌位置对原始 图片进行预处理是必要的。

车牌的定位
编写程序语言及作用：

[y,x,z]=size(I5);%返回I5各维的尺寸，存储在x,y,z中 I6=double(I5);%将I5转换成双精度 Y1=zeros(y,1);%产生一个y*1的零阵 for i=1:y for j=1:x if(I6(i,j,1)==1) %如果I6(i,j,1)即I6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Y1(i,1)的值加1
车牌倾斜校正

由于摄像头拍摄角度的不同，可能使拍摄的车牌图片 也发生倾斜，为了图像的后续处理以及很好的去识别 字符，需对提取的带有倾斜的车牌图像进行校正。我 们采用的办法是，首先用radon 算法进行倾斜角度计 算，然后根据倾斜角对图片精选修正，从而得到水平 方向一致的图片，利于后期的分割识别。
RADON
归一化处理

分割出来的字符要进行 进一步的处理，以满足 下一步字符识别的需要。 但是对于车牌的识别， 并不需要太多的处理就 已经可以达到正确识别 的目的。在此只进行了 归一化处理，归一化大 小为 40*20，然后进行 后期处理。
总结

此次试验在前期分组进行，所以我和张旭一开始并没 有考虑复杂的情况，导致在总体调试时出现倾斜的车 辆图片无法进行分割的情况，所以最后在处理车牌区 域图片前增加了车牌倾斜校正程序，增加分割成功率
模板匹配法：

运行结果
②车牌灰度图像的二值化处理
图像的二值化处理就是将 图像上的点的灰度置为0或 255，也就是将整个图像呈 现出明显的黑白效果。即 将256个亮度等级的灰度图 像通过适当的阈值选取而 获得仍然可以反映图像整 体和局部特征的二值化图 像。


运行结果
③对图像进行均值滤波

基本原理是用均值代替原图 像中的各个像素值，即对待 处理的当前像素点（x，y）， 选择一个模板，该模板由其 近邻的若干像素组成，求模 板中所有像素的均值，再把 该均值赋予当前像素点（x， y），用这种方法对二值化图 像进行抑制噪声，但也会使 图像变模糊
转换为灰度 图
边缘检测
腐蚀
形态滤波
填充图像，闭 运算
图像预处理

由于车牌的定位与车牌的识别对于色彩的要求几乎 不需要，因此第一步就直接将图片转换为灰度图像， 这样既能减少占用空间也能加快处理速度。

I1=rgb2gray(I);
图像预处理
灰度化后我们需要对其进行边缘检测 常见边缘检测算子有四种：Roberts算子，Sobel算 子，Prewitt算子，Kirsch算子 由于这次边缘检测的目的是为后续腐蚀做准备的， 因此我们选择了只考虑图像2*2领域的最简单的边缘 检测算子 Roberts算子
根据水平投影确定车牌字符高度

用水平投影来确定车牌 字符的高度
基于垂直投影的车牌字符分割方法
该算法是依据车牌字符 间的像素为零而找到各 个字符的左右位置分割 的。 由图可见：在字符之间 的像素值理想情况下为 零，实际情况可能有些 许噪声，但只要噪声不 大，已可据此实现字符 的分割。

切割结果

基于垂直投影的车牌字符分割方法

投影分割方法的原理是首先将车牌图像转换为二值图 像(设白色为1，黑色为0)，然后将车牌像素灰度值按 垂直方向累加，即所谓的垂直投影。由于车牌中字符 之间的灰度值通常为O，因此，投影图将会在字符之 间形成谷底，或者说在字符处形成波峰(一种特殊的 波峰)。通过寻找两个波峰之间的谷点，将其作为字 符分割的位置，完成字符的分割。