matlab车牌识别系统

《matlab车牌识别系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

河南农业大学《数字图像处理》课程设计说明书题目：基于神经网络的车牌识别学院：理学院专业：信息安全专门化班级：10信安三班学号：1008105072姓名：高凯强指导教师：李宝方成绩： 时间：2013年5月20日至2013年6月5日 基于matlab的车牌识别一、课程设计目的与要求（一）熟练掌握Matlab和数字图像处理函数的应用；（二）思考并理解所学过的数字图像算法的实现过程；（三）通过Matlab数字图像处理技术实现这一车辆牌照识别的功能。（随着我国交通运输的不断发展，智能交通系统（IntelligentTrafficSystem，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（vehiclelicenseplaterecognitionsystem，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！）二、实验内容本次课程实际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。三、总体方案设计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。字符分割车牌定位图片预处理车辆图片输出结果字符图像匹配字符样本采集车牌识别系统原理图12 四、车辆牌照识别系统组成（一）图像预处理：对汽车图像进行图像灰度转换、图像增强和边缘检测等。（二）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。（三）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（四）字符识别：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。五、各个功能模块的主要实现程序（一）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、边缘提取、再利用形态学方法对车牌进行定位。具体步骤如下：首先对图像进行灰度转换，二值化处理然后采用4X1的结构元素对图像进行腐蚀，去除图像的噪声。采用25X25的结构元素，对图像进行闭合应算使车牌所在的区域形成连通。在进行形态学滤波去除其它区域。1.原始图像此处用两个图片作为却别，分别为:[豫A*A375G]和[渝AN7968]2.代码部分%%%%选择车牌图片%%%%[filename,pathname]=uigetfile({'*.jpg';'*.bmp';'*.gif'},'选择图片');str=[pathnamefilename];I=imread(str);%将选择的图片读取，并赋于I12 figure(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=[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),imshow(I5),title('形态滤波后图像');3.预处理过程中的图片截图（二）车牌定位1.代码部分[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12 fori=1:yforj=1:xif(I6(i,j)==1)Y1(i,1)=Y1(i,1)+1;endendend[~,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;endPY2=MaxY;while((Y1(PY2,1)>=50)&&(PY2PX1))PX2=PX2-1;end%分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:);imwrite(dw,'dw.jpg','jpg');figure(2),subplot(2,2,3),imshow(dw);title('定位剪切后的彩色车牌图像');2.定位结果截图（三）字符切割1.代码部分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T12 I1=im2bw(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);fori=1:y1forj=1:x1if(I3(i,j,1)==1)Y1(i,1)=Y1(i,1)+1;endendendPy0=1;while((Y1(Py0,1)<20)&&(Py0=20)&&(Py1=5)&&(Px1=5)&&(Px1=10)&&(d<=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strswitchd%在样本中找到与之相应的汉字，并将汉字字符赋值于strcase36,str='豫';case37,str='京';case38,str='苏';case39,str='辽';case40,str='鲁';case41,str='陕';case42,str='渝';otherwise,str='';%那个都不符合的话，默认为空格endendStr{i}=str;endcarname=strcat(Str{1},Str{2},Str{3},Str{4},Str{5},Str{6},Str{7});%将识别出来的各个字符串成字符串12 figure(6);imshow(dw),title(carname);%赋值于s并输出图片相对比2.识别结果对比截图六、课程设计总结与体会通过此次试验，我了解了数字图像处理在实际应用中的作用，并较为详细的了解了Matlab这个工具的强大之处，方便了我们对数字图像的处理。同时也掌握了，我们上课所学过的那些数字图像处理函数的应用，和在实际中的处理效果。虽说实践过程中遇到了很多难题，但通过自己的努力查找和同学的帮忙，还是一步步克服了期间遇到的难题，虽说最终的结果还存在一些不可避免的小错误，不稳定，但我已对能得到这样的结果很满意了，以后我还会慢慢完善这个设计！七、参考文献【Matlab数字图像处理与应用（第2版），国防工业出版社】【Matlab应用图像处理（2）】【Matlab数字图像处理函数大全】八、注释：函数封装和所需材料在实验文件夹中，说明如下：Identification.m样本输入和符号识别Location.m图像预处理和车牌定位Pretreatment.m图像归一化函数Segmentation.m字符分割函数识别样本存放识别符号样本图像实验截图实验中结果截图及本实验中所用到的截图分割符号存放程序运行过程中生成的符号分割图像车牌存放实验测试过程中用到的车牌样品实验源文件打包下载链接：12 http://pan.baidu.com/share/link?shareid=818388007&uk=90711263112