matlab车牌识别例子(好好看看提取字符部分)

1、精选优质文档-倾情为你奉上图像分割、边缘检测（车牌识别）例子一 <P> <SPAN style="mso-no-proof: yes" lang=EN-US><?xml:namespace prefix = v ns = "urn:schemas-microsoft-com:vml" /><v:shape style="WIDTH: 401.25pt; HEIGHT: 372pt; VISIBILITY: visible; mso-wrap-style: square" id=图片_x0020

2、_10 type="#_x0000_t75" o:spid="_x0000_i1025"><v:imagedata o:title="" src="file:/C:DOCUME1ADMINI1LOCALS1Tempmsohtmlclip101clip_image007.png"> </P><DIV class=blockcode><BLOCKQUOTE><P style="MARGIN: 0cm 0cm 0pt" class=MsoNo

3、rmal><SPAN style="mso-no-proof: yes" lang=EN-US><v:shape style="WIDTH: 401.25pt; HEIGHT: 372pt; VISIBILITY: visible; mso-wrap-style: square" id=图片_x0020_10 type="#_x0000_t75" o:spid="_x0000_i1025"><v:imagedata o:title="" src="f

4、ile:/C:DOCUME1ADMINI1LOCALS1Tempmsohtmlclip101clip_image007.png"></v:imagedata></v:shape></SPAN></P>Matlab代码% function d=main()close allclc % 清空命令窗口的所有输入和输出，类似于清屏%自动弹出提示框读入图像filename,filepath=uigetfile('.jpg','输入一个需要识别的车牌图像');% 直接自动读入%file=strcat(filep

5、ath,filename); %strcat函数：连接字符串；把filepath的字符串与filename的连接，即路径/文件名I=imread(file);figure('name','原图'),imshow(I);title('原图')%图像增强% h=ones(5,5)/25; %过滤器h% I=imfilter(I,h);%真彩色增强% figure('name','真彩色增强');imshow(I);title('真彩色增强');I1=rgb2gray(I); % RGB图像转灰度图像fi

6、gure('name','灰度处理前'),subplot(1,2,1),imshow(I1);title('灰度处理前的灰度图');subplot(1,2,2),imhist(I1);title('灰度处理前的灰度图直方图');%线性灰度变换I1=imadjust(I1,0.3,0.7,);figure('name','灰度处理后'),subplot(1,2,1),imshow(I1);title('灰度处理后的灰度图');subplot(1,2,2),imhist(I1);titl

7、e('灰度处理后的灰度图直方图');%进行中值滤波I1=medfilt2(I1);figure,imshow(I1);title('中值滤波');%边缘检测：sobel,roberts,canny,prewitt等I2=edge(I1,'roberts',0.25,'both'); %边缘检测算法，强度小于阈值0.15的边缘被省略掉,'both'两个方向检测（缺省默认）figure('name','边缘检测'),imshow(I2);title('robert算子边缘检测&#

8、39;) se=1;1;1;I3=imerode(I2,se);% 腐蚀Imerode(X,SE).其中X是待处理的图像，SE是结构元素对象figure('name','腐蚀后图像'),imshow(I3);title('腐蚀后的图像');se=strel('rectangle',20,20);% 25X25的矩形 strel?I4=imclose(I3,se);% 用25*25的矩形对图像进行闭运算(先膨胀后腐蚀)有平滑边界作用figure('name','平滑处理'),imshow(I4);ti

9、tle('平滑图像的轮廓');I5=bwareaopen(I4,1000);% 从二进制图像中移除所有少于2000像素的连接对象，消失的是连续的白色像素数量少于2000的字符figure('name','移除小对象'),imshow(I5);title('从对象中移除小对象');y,x,z=size(I5);% y是行数，x是列数，z是维数myI=double(I5);% 转成双精度型tic % 开始计时Blue_y=zeros(y,1);% zeros(M,N) 表示的是M行*N列的全0矩阵for i=1:y for j=1:x

10、 if(myI(i,j,1)=1) % 判断蓝色像素 Blue_y(i,1)= Blue_y(i,1)+1;% 蓝色像素点统计 end end endtemp MaxY=max(Blue_y);% Y方向车牌区域确定 temp MaxY临时变量MaxYPY1=MaxY; % 以下为找车牌Y方向最小值while (Blue_y(PY1,1)>=5)&&(PY1>1)% 为什么判断蓝色像素点>=5（才算蓝色）？ PY1=PY1-1;end PY2=MaxY; % 以下为找车牌Y方向最大值 ?难道最大值不是MaxY?while (Blue_y(PY2,1)>=

11、5)&&(PY2<y) PY2=PY2+1;end% 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:x for i=PY1:PY2 % 只需扫描的行 if(myI(i,j,1)=1) % 判断蓝色像素 Blue_x(1,j)= Blue_x(1,j)+1; % 蓝色像素点统计 end end endPX1=1;% 以下为找车牌X方向最小值while (Blue_x(1,PX1)<3)&&(PX1<x)% 为什么判断蓝色像素点<3（不算蓝色？）？ PX1=

12、PX1+1;end PX2=x;% 以下为找车牌X方向最大值while (Blue_x(1,PX2)<3)&&(PX2>PX1) PX2=PX2-1;endPY1=PY1-2;% 对车牌区域的校正 为什么要这么+？PX1=PX1-2;PX2=PX2+3;PY2=PY2+10;dw=I(PY1:PY2-8,PX1:PX2,:);% 裁剪图像toc %t=toc; % 停止计时%figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');figure('name','定位剪切后的彩色车

13、牌图像'),%subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')imwrite(dw,'dw.jpg');% 直接自动读入%filename,filepath=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');%jpg=strcat(filepath,filename); % strcat函数：连接字符串；把filepath的字符串与filename的连接，即路径/文件名a=imread('dw.jpg');b=rgb2gray(a);im

14、write(b,'1.车牌灰度图像.jpg');figure('name','车牌处理');subplot(3,2,1),imshow(b),title('1.车牌灰度图像')%g_max=double(max(max(b);% 以下作阈值化（灰度图转二值图）%g_min=double(min(min(b);% max(a)求的每列的最大值，是一维数据；max(max(a) 是求这一维数据的最大值。%T=round(g_max-(g_max-g_min)/2); % T 为二值化的阈值 round：取整为最近的整数%m,n=siz

15、e(b);% m:b的行向量数 n:b的列向量数%d=(double(b)>=T); % d:二值图像%imwrite(d,'2.车牌二值图像.jpg');%线性灰度变换b=imadjust(b,0.3,0.7,);subplot(3,2,2),imshow(b);title('2.线性灰度处理后的灰度图');%进行二值化处理d=im2bw(b,0.4);%将灰度图像进行二值化处理imwrite(d,'2.车牌二值图像.jpg');subplot(3,2,3),imshow(d),title('3.车牌二值图像');%显示二

16、值化图像%进行中值滤波d=medfilt2(d);imwrite(d,'4.均值滤波后.jpg');subplot(3,2,4),imshow(d);title('4.中值滤波后');% 均值滤波%h=fspecial('average',3);%d=im2bw(round(filter2(h,d);% 滤波后，im2bw()：将图像转成二值图像 (可以不用round函数 也是一样的)%imwrite(d,'4.均值滤波后.jpg');%subplot(3,2,4),imshow(d),title('4.均值滤波后'

17、;)% 某些图像进行操作% 膨胀或腐蚀 ？感觉没什么效果咧？% se=strel('square',3); % 使用一个3X3的正方形结果元素对象对创建的图像进行膨胀% 'line'/'diamond'/'ball'/'square'/'dish'. 线/菱形/球/正方形/圆se=eye(2); % eye(n) 返回n乘n单一矩阵； 单位矩阵m,n=size(d);if bwarea(d)/m/n>=0.365 % 函数bwarea 计算目标物的面积，单位是像素；bwarea/m/n即为单个

18、像素？ d=imerode(d,se);% 腐蚀elseif bwarea(d)/m/n<=0.235 d=imdilate(d,se);% 膨胀endimopen(d,se);%se=eye(7);%imopen(d,se);imwrite(d,'5.膨胀或腐蚀处理后.jpg');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);% 调用qiege()子程序m,n=size(d);figure,subplot(2,1,1

19、),imshow(d),title(n)%k1=1;k2=1;j=1;s=sum(d);%sum(x)就是竖向相加，求每列的和，结果是行向量;sum(x,2)表示矩阵x的横向相加，求每行的和，结果是列向量。sum(X(:)表示矩阵求和while j=n % 什么原理？ while s(j)=0 % 无文字？为什么？ j=j+1; end k1=j; while s(j)=0 && j<=n-1 j=j+1; end k2=j-1; if k2-k1>=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)

20、=0; % 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 % flag为自定义，以便标记循环用 m,n=size(d); %left=1; wide=0; while sum(d(:,wide+1)=0 % 二值图像：黑色像素代表感兴趣的对象而白色像素代表背景。逻辑矩阵只包括0(显示为黑色)和1(显示为白色) wide=wide+1;% ？wide的意义？ end if wide<y1 % 认为是左侧干扰 为什么是10？ d(:,1:wide)=0; % 将白色汉字前的白色弄成黑

21、色% figure,imshow(d); d=qiege(d); % 处理干扰后再次调用切割子程序 else temp=qiege(imcrop(d,1 1 wide m);% imcrop函数截取图像xmin ymin width height m,n=size(temp); all=sum(sum(temp); two_thirds=sum(sum(temp(round(m/3):2*round(m/3),:); if two_thirds/all>y2 %？什么意思？ flag=1;word1=temp; %第一个字符 end d(:,1:wide)=0;d=qiege(d); %

22、？为什么又处理一次？ endend% 分割出第二个字符word2,d=getword(d);% 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

23、),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);% 商用系统程序中归一化大小为 40*20,此处演示word1=imresize(word1,40 20);%im

24、resize对图像做缩放处理，常用调用格式为：B=imresize(A,ntimes,method)；其中method可选nearest,bilinear（双线性）,bicubic,box,lanczors2,lanczors3等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),i

25、mshow(word1),title('11');subplot(5,7,16),imshow(word2),title('22');subplot(5,7,17),imshow(word3),title('33');subplot(5,7,18),imshow(word4),title('44');subplot(5,7,19),imshow(word5),title('55');subplot(5,7,20),imshow(word6),title('66');subplot(5,7,21),i

26、mshow(word7),title('77');imwrite(word1,'1.jpg'); % 创建七位车牌字符图像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'

27、'A':'Z' '京辽桂陕苏渝浙'); %建立自动识别字符代码表；'京津沪渝港澳吉辽鲁豫冀鄂湘晋青皖苏赣浙闽粤琼台陕甘云川贵黑藏蒙桂新宁'% 编号：0-9分别为 1-10;A-Z分别为 11-36;% 京 津 沪 渝 港 澳 吉 辽 鲁 豫 冀 鄂 湘 晋 青 皖 苏% 赣 浙 闽 粤 琼 台 陕 甘 云 川 贵 黑 藏 蒙 桂 新 宁% 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 % 60 61 62 63 64 65 66 67 68

28、 69 70SubBw2=zeros(40,20); % 创建一个40行20列的0矩阵l=1;for I=1:7 ii=int2str(I); % 将整型数据转换为字符串型数据 t=imread(ii,'.jpg');% 依次读入七位车牌字符 SegBw2=imresize(t,40 20,'nearest'); % 对读入的字符进行缩放 if I=1 % 第一位汉字识别 kmin=37; kmax=43; elseif I=2 % 第二位 AZ 字母识别 kmin=11; kmax=36; else % 第三位以后是字母或数字识别 ;即I>=3 kmin

29、=1; kmax=36; end for k2=kmin:kmax fname=strcat('字符模板',liccode(k2),'.jpg'); % strcat函数：连接字符串 SamBw2 = imread(fname); for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上相当于两幅图相减得到第三幅图 进行匹配 Dmax=0; % 与模板不同的点个数 for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) > 10 | SubB

30、w2(k1,l1) < -10 ) % "|"/"|" 或操作 （>2 15）20以上无区别 Dmax=Dmax+1; end end end Error(k2)=Dmax; % 记录下字符与模板k2不同的点个数 end Error1=Error(kmin:kmax); MinError=min(Error1); % 差别最小的 findc=find(Error1=MinError); % 找出差别最小的模板 Code(l)=liccode(findc(1)+kmin-1); % 此处用2*l-1且后面的2*l=' ',第隔一

31、空格输出一个字符 Code(3)=' 'Code(4)=' ' l=l+1; if l=3;% 后五位与前两位字符隔开 l=l+2; endendfigure(10),subplot(5,7,1:7),imshow(dw),title('第一步：车牌定位'),xlabel('第二步：车牌分割'); %'',subplot(6,7,15),imshow(word1);subplot(6,7,16),imshow(word2);subplot(6,7,17),imshow(word3);subplot(6,7,18),

32、imshow(word4);subplot(6,7,19),imshow(word5);subplot(6,7,20),imshow(word6);subplot(6,7,21),imshow(word7);subplot(6,7,22:42),imshow('dw.jpg');%xlabel('第三步：识别结果为: ', Code,'Color','b');图片：我做的是神经网络车牌识别，我用自己的程序可以识别两块车牌，但是当识别别的车牌时候却一直报错。我两块车牌一块640*480可以识别，另一块就不能识别。报错内容如下求大神指

33、点该怎么改！：? Attempted to access X1(1,405); index out of bounds becausesize(X1)=1,404.Error in => main1 at 120 while (X1(1,Px0)<5)&&(Px0<x1) % 了去除不是字符的部分，例如：代码二：% 选择车牌图片 %filename, pathname = uigetfile('*.jpg''*.bmp''*.gif','选择图片');str = pathname filename

34、;I =imread(str); %将选择的图片读取，并赋于Ifigure(1),subplot(3,2,1),imshow(I);title('原始图像');I1=rgb2gray(I);%转化为灰度图像figure(1),subplot(3,2,2),imshow(I1),title('灰度图像');I2=edge(I1,'roberts',0.09,'both');%采用robert算子进行边缘检测figure(1),subplot(3,2,3),imshow(I2),title('边缘检测后图像');se=

35、1;1;1; %线型结构元素 I3=imerode(I2,se); %腐蚀图像figure(1),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figure(1),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figure(1),subplot(3,2,6),im

36、show(I5),title('形态滤波后图像');%车牌定位%y,x=size(I5);%获取滤波后图像的尺寸，及长宽I6=double(I5); Y1=zeros(y,1);%创建一个y行1列的0矩阵 for i=1:y for j=1:x if(I6(i,j)=1) Y1(i,1)= Y1(i,1)+1; end end end temp MaxY=max(Y1);figure(2),subplot(2,2,1),plot(0:y-1,Y1); title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像

37、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<y) PY2=PY2+1; end 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 figure(2),subplot(2,2,2),pl

38、ot(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)<5)&&(PX1<x) PX1=PX1+1; end PX2=x; while (X1(1,PX2)<5)&&(PX2>PX1) PX2=PX2-1; end %分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:); imwrite(dw,'dw.jpg',&

39、#39;jpg');figure(2),subplot(2,2,3),imshow(dw);title('定位剪切后的彩色车牌图像');figure(3),subplot(2,2,1),imshow(dw);title('定位后的车牌图像');I1 = rgb2gray(dw); %将RGB图像转化为灰度图像g_max=double(max(max(I1); %获取I1中灰度最大值g_min=double(min(min(I1); %获取I1中灰度最小值T=round(g_max-(g_max-g_min)/3); % 计算二值化的阈值后赋值于TI1=i

40、m2bw(I1,T/256);subplot(2,2,2);imshow(I1),title('二值化车牌图像');I2=bwareaopen(I1,20);%删除面积小于20的区域figure(3),subplot(2,2,3),imshow(I2);title('形态学滤波后的二值化图像');y1,x1=size(I2);I3=double(I2);%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 end endPy

41、0=1;while (Y1(Py0,1)<20)&&(Py0<y1) Py0=Py0+1;endPy1=Py0; while(Y1(Py1,1)>=20)&&(Py1<y1) Py1=Py1+1; endI2=I2(Py0:Py1,:,:);figure(3),subplot(2,2,4),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) X1(1,j)= X1(1,j)+1; end end

42、endfigure(4),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');%分割字符%Px0=1;k=1; %记录存储图片的个数for i=1:7 while (X1(1,Px0)<5)&&(Px0<x1) Px0=Px0+1; end Px1=Px0; while (X1(1,Px1)>=5)&&(Px1<x1) Px1=Px1+1; end if(Px1-Px0)<15) % 此处加一个if语句作

43、用是除去识 Px0=Px1+1; % 别时区域X轴区域小于15的部分，为 while (X1(1,Px0)<5)&&(Px0<x1) % 了去除不是字符的部分，例如： Px0=Px0+1; % 豫 A * A 3 7 5 G 中两个A之间 end % 的那个点，由于滤波不能滤掉这个比较 Px1=Px0; % 大一点的点，所以在此去除。不足是： while (X1(1,Px1)>=5)&&(Px1<x1) % 同时也去除了 渝 A N 7 9 6 8 中那 Px1=Px1+1; % 个渝字的偏旁 氵，所以识别出来的 end % 渝少 氵。将

44、错就错，我在样本中用 end % 的也是少 氵的渝。 Z=I2(:,Px0:Px1,:); Z=imresize(Z,40 20); %将图像Z转换成尺寸为40*20的图片 Px0=Px1; imwrite(Z,strcat('分割符号/PIN',num2str(k),'.jpg'),'jpg'); %分割出来的赴澳以.jpg格式存储为图片 k=k+1; %表示需要存储的下一张图片figure(5),subplot(1,7,i),imshow(Z);end%归一化训练样本%I=zeros(43,800); %创建一个由43个拥有800个元素行向量

45、组成的矩阵for i=1:43 I(i,:)=pretreatment(imread(strcat('识别样本/',num2str(i-1),'.jpg'); %将识别样本中的每个样本转换成一个行向量存储end %在矩阵I的每一行中P=I' %将的到的矩阵I转置赋于P%参数设置%T=eye(43,43);net=newff(minmax(P),1000,32,43,'logsig','logsig','logsig','trainrp');net.inputWeights1,1.initFc

46、n ='randnr'net.layerWeights2,1.initFcn ='randnr'net.trainparam.epochs=5000;net.trainparam.show=50;net.trainparam.goal=0.;net=init(net);net,tr=train(net,P,T);%测试字符，得到识别数值%PIN=zeros(7,800); %定义一个有7个拥有800个元素组成的行向量组成的矩阵for i=1:7 PIN(i,:)=pretreatment(imread(strcat('分割符号/PIN',num2

47、str(i),'.jpg'); %将分割符号中的每个分离图片转换成一个行向量存储在矩阵PIN的每一行中endP0=PIN' %将得到的矩阵PIN转置后赋于P0Str=cell(1,7); %定义一个拥有7个元素字符串for i=1:7 T0 = sim(net ,P0(:,i); T1 = compet (T0) ; d = find(T1 = 1) - 1; if (d<10) %当d<10,说明符号识别为一个数字，再将数字d转换成 str=num2str(d); %与之相对应的字符赋值于str elseif(d>=10)&&(d&l

48、t;=35) %当d>=10且d<=35，说明符号识别为一个字母，由于A的 str=char(d+55); %ASCII值为65，所以与之对应的d都要加55，再由char（） else %函数转换成对应的ASCII字符赋值于str switch d %在样本中找到与之相应的汉字，并将汉字字符赋值于strcase 36, str='豫' case 37, str='京' case 38, str='苏' case 39, str='辽'case 40, str='鲁' case 41, str='

49、陕' case 42, str='渝' otherwise , str=' ' %那个都不符合的话，默认为空格 end end Stri=str;endcarname=strcat(Str1,Str2,Str3,Str4,Str5,Str6,Str7);%将识别出来的各个字符串成字符串figure(6);imshow(dw),title(carname);%赋值于s并输出图片相对比例子三交通摄像头图像的机车目标分割与提取Matlab源代码【业务案例002】交通摄像头图像的机车目标分割与提取Matlab源代码.docclcclear allclose al

50、l%-dir = pwd;cd(pwd,'DataSet') file,path = uigetfile('*.jpg','Select a jpg file');cd(dir);%-load('buffer.mat'); % 加载变量 b,wuserdata = net.userdata;b = userdata(:,1:end/2);w = userdata(:,end/2+1:end);%-% 读入图像,转成灰度图,再直方图均衡J1 = imread(path,file); % 读入图像figure(1); imshow(J

51、1,'InitialMagnification','fit'); title(file);J2 = rgb2gray(J1);% figure(2); imshow(J2,'InitialMagnification','fit'); title(file);J3 = histeq(J2);figure(3); imshow(J3,'InitialMagnification','fit'); title(file);%-% 加窗处理,减去背景,再灰度调整J4 = min(J3,w);% figure(4); imshow(J4,'InitialMagnification','fit'); title(file);J5 = imabsdiff(J4,b);% figure(5); imshow(J5,'InitialMagnification','fit'); title(file);J6 = imadjust(J5,.2 .6,3);figure(6); imshow(J6,&