当前位置：文档之家› 基于matlab车牌的定位与分割识别程序

基于matlab车牌的定位与分割识别程序

基于Matlab的车牌定位与分割

经典算法

I=imread('car.jpg'); %读取图像

figure(); subplot(3,2,1),imshow(I), title('原始图像');

I1=rgb2gray(I);%转化为灰度图像

subplot(3,2,2),imshow(I1),title('灰度图像');

I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像');

se=[1;1;1]; %线型结构元素

I3=imerode(I2,se); %腐蚀图像

subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像');

se=strel('rectangle',[25,25]); 矩形结构元素

I4=imclose(I3,se);%图像聚类、填充图像

subplot(3,2,5),imshow(I4),title('填充后图像');

I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像');

[y,x,z]=size(I5);

I6=double(I5);

Y1=zeros(y,1);

for i=1:y

for j=1:x

if(I6(i,j,1)==1)

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

end

[temp MaxY]=max(Y1);

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');

%求的车牌的行起始位置和终止位置

PY1=MaxY;

while ((Y1(PY1,1)>=50)&&(PY1>1))

PY1=PY1-1;

end

PY2=MaxY;

while ((Y1(PY2,1)>=50)&&(PY2

PY2=PY2+1;

IY=I(PY1:PY2,:,:);

X1=zeros(1,x);

for j=1:x

for i=PY1:PY2

if(I6(i,j,1)==1)

X1(1,j)= X1(1,j)+1;

end

end end

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');

%求的车牌的列起始位置和终止位置PX1=1;

while ((X1(1,PX1)<3)&&(PX1

PX1=PX1+1;

end

PX2=x;

while ((X1(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

PX1=PX1-1;

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')

4.2 车牌字符分割

确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。

if isrgb(I)

I1 = rgb2gray(I); %将RGB图像转化为灰度图像

else I1=I；end

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');

I2=bwareaopen(I1,20);

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)

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

end

Py1=1;

Py0=1;

while ((Y1(Py0,1)<20)&&(Py0

Py0=Py0+1;

end

Py1=Py0;

while((Y1(Py1,1)>=20)&&(Py1

Py1=Py1+1;

end

I2=I2(Py0:Py1,:,:);

subplot(3,2,6);

imshow(I2),title('目标车牌区域');

% 分割字符按行积累量%

X1=zeros(1,x1);

for j=1:x1

for i=1:y1

if(I3(i,j,1)==1)

X1(1,j)= X1(1,j)+1;

end

figure(5);

plot(0:x1-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('累计像素量');

Px0=1;

Px1=1;

%分割字符

for i=1:7

while ((X1(1,Px0)<3)&&(Px0

Px0=Px0+1;

end

Px1=Px0;

while (((X1(1,Px1)>=3)&&(Px1

end

Z=I2(:,Px0:Px1,:);

switch strcat('Z',num2str(i))

case 'Z1'

PIN0=Z;

case 'Z2'

PIN1=Z;

case 'Z3'

PIN2=Z;

case 'Z4'

PIN3=Z;

case 'Z5'

PIN4=Z;

case 'Z6'

PIN5=Z;

otherwise

PIN6=Z;

end

figure(3);

subplot(1,7,i);

imshow(Z);

Px0=Px1;

End

function inpt = pretreatment(I)

%YUCHULI Summary of this function goes here

% Detailed explanation goes here

if isrgb(I)

I1 = rgb2gray(I);

else

I1=I;

end

I1=imresize(I1,[50 20]);%将图片统一划为50*20大小I1=im2bw(I1,0.9);

[m,n]=size(I1);

inpt=zeros(1,m*n);

%将图像按列转换成一个行向量

for j=1:n

for i=1:m

inpt(1,m*(j-1)+i)=I1(i,j);

end

%神经网络进行识别。

close all;

clear all;

%%%%归一化训练样本%%%%%% I0=pretreatment(imread('0.jpg'));

I1=pretreatment(imread('1.jpg'));

I2=pretreatment(imread('2.jpg'));

I3=pretreatment(imread('3.jpg'));

I4=pretreatment(imread('4.jpg'));

I5=pretreatment(imread('5.jpg'));

I6=pretreatment(imread('6.jpg'));

I7=pretreatment(imread('7.jpg'));

I8=pretreatment(imread('8.jpg'));

I9=pretreatment(imread('9.jpg'));

I10=pretreatment(imread('A.jpg'));

I11=pretreatment(imread('C.jpg'));

I12=pretreatment(imread('G.jpg'));

I13=pretreatment(imread('L.jpg'));

I14=pretreatment(imread('M.jpg'));

I15=pretreatment(imread('R.jpg'));

I16=pretreatment(imread('H.jpg'));

I17=pretreatment(imread('N.jpg'));

P=[I0',I1',I2',I3',I4',I5',I6',I7',I8',I9',I10',I11',I12',I13',I14',I15',I16',I1 7'];

%输出样本%%%

T=eye(18,18);

%%bp神经网络参数设置

net=newff(minmax(P),[1000,32,18],{'logsig','logsig','logsig'},'trainrp ');

net.inputWeights{1,1}.initFcn ='randnr';

https://www.doczj.com/doc/b64130153.html,yerWeights{2,1}.initFcn ='randnr';

net.trainparam.epochs=5000;

net.trainparam.show=50;

%net.trainparam.lr=0.003;

net.trainparam.goal=0.0000000001;

net=init(net);

%%%训练样本%%%%

[net,tr]=train(net,P,T);

%%%%%%%测试%%%%%%%%%

%I=imread('DSC01323.jpg');

I=imread('DSC01344.jpg');

dw=location(I);%车牌定位

[PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6]=StringSplit(dw);%字符分割及处理

%%%%%%%%%%%测试字符，得到识别数值%%%%

PIN0=pretreatment(PIN0);

PIN1=pretreatment(PIN1);

PIN2=pretreatment(PIN2);

PIN3=pretreatment(PIN3);

PIN4=pretreatment(PIN4);

PIN5=pretreatment(PIN5);

PIN6=pretreatment(PIN6);

P0=[PIN0',PIN1',PIN2',PIN3',PIN4',PIN5',PIN6'];

for i=2:7

T0= sim(net ,P0(:,i));

T1 = compet (T0) ;

d =find(T1 == 1) - 1

if (d==10)

str='A';

elseif (d==11)

str='C';

elseif (d==12)

str='G'; elseif (d==13)

str='L';

elseif (d==14)

str='M'; elseif (d==15)

str='R';

elseif (d==16)

str='H'; elseif (d==17)

str='N';

else

str=num2str(d); end

switch i

case 2

str1=str;

case 3

str2=str;

case 4

str3=str;

case 5

str4=str;

case 6

str5=str;

otherwise

str6=str;

end

%显示定位后的分割出的车牌彩图，%

%%%%%%识别结果以标题形式显示在图上%%% s=strcat('渝',str1,str2,str3,str4,str5,str6);

figure();

imshow(dw),title(s);

非诚勿扰欢迎下载

基于MATLAB的车牌识别

liccode=char(['0':'9' 'A':'Z' '京津沪渝冀晋辽吉黑苏浙皖闽赣鲁豫鄂湘粤琼川贵云陕甘蒙新青藏桂宁港']); %建立自动识别字符代码表 l=1; [m2,n2]=size(subcol); for k=findmax-4:findmax+3 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,[32 16]); %变换为32行*16列标准子图 if l==1 %第一位汉字识别 kmin=37; kmax=68; elseif l==2 %第二位A~Z 字母识别 kmin=11; kmax=36; elseif l>=3 & l<=5 %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('D:\sample\',liccode(k2),'.bmp'); SamBw2 = imread(fname,'bmp'); SubBw2 = SamBw2-SegBw2; Dmax=0; for k1=1:32 for l1=1:16 if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 ) Dmax=Dmax+1; end end end Error(k2)=Dmax;

车牌识别地matlab程序

( 附录车牌识别程序 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('');%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图 " figure,imshow(Scolor),title('原始彩色图像');%figure命令同时显示两幅图 figure,imshow(Sgray),title('原始黑白图像'); %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',13);%strel函数 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); %Step4 对得到二值图像作开闭操作进行滤波、 figure,imshow(bw2);title('图像二值化');%得到二值图像 grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界

车牌图像定位与识别

专业综合实验报告----数字图像处理专业：电子信息工程班级：：学号：指导教师：

2014年7月18日车牌图像定位与识别一、设计目的利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，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，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。二、设计内容和要求车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告四、设计所需设备及软件计算机一台；移动式存储器；MATLAB软件。五、设计过程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。 (一）对图像进行图像转换、图像增强和边缘检测等

1.载入车牌图像：原图 2.将彩图转换为灰度图并绘制直方图：灰度图灰度直方图 3.用roberts 算子进行边缘检测：图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是

基于MATLAB的车牌识别系统研究

上海交通大学硕士学位论文基于MATLAB的车牌识别系统研究姓名：王璐申请学位级别：硕士专业：电工理论与新技术指导教师：陈洪亮 20090101

基于MATLAB的车牌识别系统研究摘要近几年，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；针对BP神经网络字符识别算法，采用有动量的梯度下降法训练网络，减小了神经网络学习过程的振荡趋势，使得BP网络能够较快的达到收敛，完成车牌字符的识别。对模板匹配算法和BP网络算法进行对比，证明了BP网络算法要优于模板匹配算法。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，BP网络，MATLAB I

基于matlab的车牌号码识别程序代码

基于matlab的汽车牌照识别程序摘要：本次作业的任务是设计一个基于matlab的汽车牌照识别程序，能够实现车牌图像预处理，车牌定位，字符分割，然后通过神经网络对车牌进行字符识别，最终从一幅图像中提取车牌中的字母和数字，给出文本形式的车牌号码。关键词：车牌识别，matlab，神经网络 1 引言随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车辆牌照识别系统（vehicle license plate recognition system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。 2 车辆牌照识别系统工作原理车辆牌照识别系统的基本工作原理为：将摄像头拍摄到的包含车辆牌照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，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。 3 车辆牌照识别系统组成（1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。（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

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）：年月日学院院长（签字）：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。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；

matlab车牌识别课程设计报告(附源代码)

Matlab程序设计任务书目录

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。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。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。实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。 clear ; close all;

基于matlab车牌的定位与分割识别程序概要

基于Matlab的车牌定位与分割经典算法 I=imread('car.jpg'); %读取图像 figure(); subplot(3,2,1),imshow(I), title('原始图像'); I1=rgb2gray(I);%转化为灰度图像 subplot(3,2,2),imshow(I1),title('灰度图像'); I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像');

se=[1;1;1]; %线型结构元素 I3=imerode(I2,se); %腐蚀图像 subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); 矩形结构元素 I4=imclose(I3,se);%图像聚类、填充图像 subplot(3,2,5),imshow(I4),title('填充后图像');

I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像'); [y,x,z]=size(I5); I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x

if(I6(i,j,1)==1) Y1(i,1)= Y1(i,1)+1; end end end [temp MaxY]=max(Y1); 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'); %求的车牌的行起始位置和终止位置 PY1=MaxY; while ((Y1(PY1,1)>=50)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)>=50)&&(PY2

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行选择这里选择的图片20090425686.jpg bw=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');

车牌识别的matlab程序

附录车牌识别程序 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（'3.jpg'）;%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray（Scolor）;%rgb2gray转换成灰度图 figure,imshow（Scolor）,title（'原始彩色图像'）;%figure命令同时显示两幅图 figure,imshow（Sgray）,title（'原始黑白图像'）; %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',13）;%strel函数 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）; %Step4 对得到二值图像作开闭操作进行滤波 figure,imshow（bw2）;title（'图像二值化'）;%得到二值图像 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bg3=imopen（bg1,strel（'rectangle',[5,19]））;%取矩形框的开运算

车牌定位系统实验报告

目录目录 (1) 摘要 (2) 正文 (3) 1设计目的及要求 (3) 1.1 设计目的 (3) 1.2 设计要求 (3) 2设计原理 (3) 2.1 课题研究背景 (3) 2.2车牌的特征 (3) 2.3车牌识别系统的工作原理 (4) 2.4车牌识别系统的组成 (5) 3设计内容 (5) 3.1图像预处理 (5) 3.2车牌定位提取 (9) 3.3字符分割 (11) 3.4设计结果验证 (16) 总结 (19) 致谢 (20) 参考文献 (21) 附录 (22) 附录一 (22) 附录二 (28)

汽车牌照自动识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次课程设计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，通过编写matlab程序，对各种车辆图像处理方法进行分析、比较,并提出了车牌预处理、车牌粗定位和精定位的方法。本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。关键字：识别率;车牌定位;二值化;边缘检测

1设计目的及要求 1.1 设计目的运用MATLAB软件编程实现车牌定位检测 1.2 设计要求 1、利用matlab编程，能够清晰识别判断图像中的车牌区域 2、通过算法，将车牌上的数字字母清晰识别并且分割后读出 2设计原理 2.1 课题研究背景随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必然的趋势，交通管理自动化越来越成为亟待解决的问题。现代智能交通系统 (Intelligent Transportation System，ITS)中，车辆牌照识别(License Plate Recognition，LPR)技术是计算机视觉与模式识别技术在交通领域应用的重要研究课题之一，是实现交通管理能够智能化的重要环节，其任务是分析、处理汽车图像，自动识别汽车牌号。LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。 2.2车牌的特征（1）形状特征：标准的车牌外轮廓尺寸440*140，字符高90，宽45，字符间距12，间隔符宽10。整个字符的高宽比例近似为3:1，车牌的边缘是线段围成

车牌识别的matlab程序(程序-讲解-模板)

clc clear close all I=imread('chepai.jpg'); subplot(3,2,1);imshow(I), title('原始图像'); I_gray=rgb2gray(I); subplot(3,2,2),imshow(I_gray),title('灰度图像'); %====================== 形态学预处理====================== I_edge=edge(I_gray,'sobel'); subplot(3,2,3),imshow(I_edge),title('边缘检测后图像'); se=[1;1;1]; I_erode=imerode(I_edge,se); subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); I_close=imclose(I_erode,se); %图像闭合、填充图像 subplot(3,2,5),imshow(I_close),title('填充后图像

for i=1:size(location_of_1,1) %寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置 temp=location_of_1(i,1)+location_of_1(i,2); if tempmaxi maxi=temp; b=i; end end first_point=location_of_1(a,:); %和最小的点为车牌的左上角 last_point=location_of_1(b,:); %和最大的点为车牌的右下角 x1=first_point(1)+4; %坐标值修正 x2=last_point(1)-4; y1=first_point(2)+4;

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, end global 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se

基于MATLAB的车牌定位算法设计

北京联合大学毕业设计（论文）任务书题目：基于MATLAB的车牌定位算法设计专业：电子工程系指导教师：章学静学院：信息学院学号： 2009080403104 班级： 20090804031 姓名：林本存一、课题的任务与目的自从2010年以来，北京的交通拥堵问题成为社会普遍关注和谈论的话题。而其他交通问题也呈现增长趋势。由于车辆牌照是我们标定车辆的唯一ID，因此，车牌的定位识别对于处理突发的交通事件就显得尤为重要。车牌定位识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要课题之一。所谓车牌定位(License Plate Location)，就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。它是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。因此，研究与开发车牌定位的算法具有十分重要的实用意义。例如，在公安执法系统、高速公路自动收费系统、城市道路监控系统、智能停车场管理系统等诸多智能交通系统中都有应用。车牌定位的目的是对摄像头获取的汽车图像进行预处理，确定车牌位置。此次设计的任务就是在MATLAB中对采集到车辆图像进行色彩直方图分析，匹配车牌背景颜色的峰值从而实现车牌在图像位置中的定位。然后将此算法移植到DSP中，在DSP中验证移植的算法正确性。二、调研资料情况目前国外车牌定位识别系统已经有很多成熟的产品，以色列Hi—Tech公司的See/CarSystem系列，新加坡optasia公司的IMPS系列都是比较成熟的产品。但是，这些产品基本上只适合于自己国内的状况。而我国的情况与国外有很大的不同，比如车牌的形状，颜色，字符的颜色以及我国车牌中包含着汉字等。同时，目前的牌照识别系统具有一定的识别率，在天气条件差的情况下或夜晚时，识别率会明显下降，此外，也受到其他许多客观干扰的影响，例如天气、背景、车牌磨损、图像倾斜等。因此现有的识别系统要达到完全实用化仍然有很长的路要走。现有的比较好的车牌定位方法主要有J.Barroso等提出的基于水平线搜寻的定位

基于Matlab的车牌识别实现源码

function[]=main(jpg) close all clc tic %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:x if(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， end end end [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; end PY2=MaxY; while ((Blue_y(PY2,1)>=40)&&(PY2

车牌定位分割识别程序

附录A %主函数 function [d]=main(jpg) close all clc I=imread('car1.jpg'); figure(1),imshow(I);title('原图') I1=rgb2gray(I); %将RGB图形或色图矩阵转换成灰度图 figure(2),subplot(1,2,1),imshow(I1);title('灰度图'); figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图'); I2=edge(I1,'robert',0.15,'both');%提取I1的边缘，利用robert算子 figure(3),imshow(I2);title('robert算子边缘检测') se=[1;1;1]; %结构矩阵，用于图像的腐蚀 I3=imerode(I2,se);%以图像I2和结构元素SE为参数调用imerode函数进行腐蚀操作 figure(4),imshow(I3);title('腐蚀后图像'); se=strel('rectangle',[25,25]); I4=imclose(I3,se); %形态学中的闭运算，se为结构元素 figure(5),imshow(I4);title('平滑图像的轮廓'); I5=bwareaopen(I4,2000); figure(6),imshow(I5);title('从对象中移除小对象'); [y,x,z]=size(I5); %读取I5的大小，行列页 myI=double(I5); %将I5元素转为double型 tic %计时开始 Blue_y=zeros(y,1); %给蓝色像素个数赋初始值0 for i=1:y for j=1:x % 这两行是循环，先行，再列 if(myI(i,j,1)==1) % 如果I5第一页中的元素为1的话，则是蓝色像素 Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end end

基于Matlab的车牌识别算法

基于Matlab的车牌识别算法摘要车牌系统是计算机视觉和模式识别技术在智能交通领域的重要应用课题之一。车牌识别系统是以特定目标为对象的专用计算机系统，该系统主要包括三个内容:车牌定位、字符分割和字符识别。其中车牌定位的目的就是从所拍摄的汽车图像中确定车牌的位置,从而便于后续的字符分割和字符识别工作。目前常用的方法有：基于模板匹配的方法、基于特征的方法和神经网络法等。本设计采用基于模板匹配算法和基于人工神经网络算法对车牌进行定位识别，此算法只对蓝底白字车牌进行分割识别，对黑底白字车牌原则上整个算法可直接适用，。此算法分割出的图像像素值和模板图像达到了一致，由此便避免了切割出的图像像素值不一致所带来的问题。但对白底黑字车牌、黄底黑字车牌，需要对车牌定位算法进行调整，并将图像反转（0变1、1变0）。关键词：车牌识别系统；字符分割；车牌定位

LICENSE PLATE RECOGNITION ALGORITHM BASED ON MATLAB ＡＢＳＴＲＡＣＴ License plate system is a computer vision and pattern recognition technology in one of the important application research topic in the field of intelligent transportation. License plate recognition system based on specific goals of a special computer system, the system mainly includes three contents: license plate locating, character segmentation and character recognition. One of the purpose of license plate location is taken from the auto locate the license plate in the image, so as to facilitate the subsequent work character segmentation and character recognition. Now commonly used methods are: based on template matching method, based on the characteristics of the method and neural network, etc. This design USES based on template matching algorithm and based on artificial neural network algorithm to locate license plate recognition, the algorithm is only for blue white license plate segmentation recognition, the algorithm can be directly applicable in principle to the black white plate,. This algorithm to segment the image pixel values and template image, thus to avoid the cut out in the process of image pixel values are not consistent. But black on white background and black text plate, yellow bottom plate, adjustments need to license plate localization algorithm, and the image inversion of (0, 1, 1, 0). Key words: license plate recognition system; Character segmentation; License plate location

基于matlab的车牌定位源程序及运行结果 (1)

I=imread('E:\毕业设计\基于matlab的车牌定位的源程\车牌识别程序 \Car1.jpg') [y,x,z]=size(I); myI=double(I); tic Blue_y=zeros(y,1); for i=1:y for j=1:x if((myI(i,j,1)<=30)&&((myI(i,j,2)<=62)&&(myI(i,j,2)>=51))&&((myI(i,j,3) <=142)&&(myI(i,j,3)>=119))) Blue_y(i,1)= Blue_y(i,1)+1; end end end [temp MaxY]=max(Blue_y); PY1=MaxY; while ((Blue_y(PY1,1)>=120)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Blue_y(PY2,1)>=40)&&(PY2=10))&&((myI(i,j,3) <=65)&&(myI(i,j,3)>=40))) Blue_x(1,j)= Blue_x(1,j)+1; end end end PX1=1; while ((Blue_x(1,PX1)<3)&&(PX1PX1)) PX2=PX2-1; end PX1=PX1-2; PX2=PX2+2; Plate=I(PY1:PY2,PX1-2:PX2,:); t=toc figure,imshow(I); figure,plot(Blue_y);grid

文档之家

基于matlab车牌的定位与分割识别程序

基于MATLAB的车牌识别

车牌识别地matlab程序

车牌图像定位与识别

基于MATLAB的车牌识别系统研究

基于matlab的车牌号码识别程序代码

matlab车牌识别课程设计报告(附源代码)

matlab车牌识别课程设计报告(附源代码)

基于matlab车牌的定位与分割识别程序概要

matlab车牌识别程序代码

车牌识别的matlab程序

车牌定位系统 实验报告

车牌识别的matlab程序(程序-讲解-模板)

基于matlab的车牌识别(含子程序)

基于MATLAB的车牌定位算法设计

基于Matlab的车牌识别实现源码

车牌定位分割识别程序

基于Matlab的车牌识别算法

基于matlab的车牌定位源程序及运行结果 (1)

车牌定位系统实验报告