基于MATLAB的车牌识别程序详解..精要课件.ppt

《基于MATLAB的车牌识别程序详解..精要课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于MATLAB的车牌识别系统小组成员：张佰涛刘强伟崔敏滕秀萍龚恒耿车牌识别系统的摄像头通过对经过指定区域的机动车辆进行拍照，因为照片会受到光照、拍摄位置和车辆行驶速度的影响，导致拍摄的图片不能准确的确定汽车的车牌。而车牌识别系统就通过对机动车辆的照片进行图像预处理、车牌定位、字符分割、字符识别等技术手段，从而得到清晰的机动车牌照的照片，从而提高现代智能交通的管理效率，可以说车牌识别系统对于现代智能交通至关重要。系统技术：本系统应用图像处理技术、车牌分割技术、字符特征提取方法、神经网络识别技术，模板匹配的方法来解决车辆牌照识别问题

2、。完整的车牌识别系统包括图像采集、图像处理、车牌定位、字符分割、字符识别、数据库、数据库支持模块等模块。一、图像处理：本系统中图像处理主要分为几个步骤：图像预处理，图像增强，图像去噪，图像切割，图像提取等几个步骤。（一）图像预处理收集到的图片一般为彩色图片，由于彩色图片占用存储容量大，处理时间长，因此需要对图像进行灰度转换，将彩色图像转换为灰度图像，灰度图像只保留亮度信息，方便使用，也为后面的对图像进行二值化处理提供方便。程序：I1=rgb2gray(I);rgb2gray，MATLAB中灰度图像转换函数，原图及处理后的灰度图显示

3、如下一、图像处理（二）、图像增强：图像增强是数字图像处理过程中经常采用的一种方法。为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的改善方法或者加强特征的措施称为图像增强。采集的图片受天气、光照、观察点等制约，往往会产生对比度不足，图像细节不清，另外，图像传输过程中也会产生失真，影响识别率。图像增强的方法有：中值滤波、直方图均衡，灰度拉伸、通天滤波、高斯滤波、多图像平均、领域平均。腐蚀膨胀等。一、图像处理（二）、图像增强：本系统中使用到的方法有：平均滤波，膨胀腐蚀，直方图均衡直方图均衡程序：fig

4、ure(2),subplot(1,2,2),imhist(I1;title('灰度图直方图');imhist函数，用来提取灰度图中直方图信息，用来直方图均衡，增强图像。处理后的直方图显示如下：一、图像处理（二）、图像增强：膨胀腐蚀程序：I3=imerode(I2,se);imerode，MATLAB中的腐蚀函数处理后的腐蚀图像显示如下：（三）、图像的去噪：通常使用2种方法：线性滤波、中值滤波。线性滤波可以去除图像中某些类型的噪声，本程序中采用平均滤波发：邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。经邻域平

5、均后，噪声的均值不变，噪声方差变小，说明噪声强度减弱了，即抑制了噪声。邻域平均法也平滑了图像信号，特别是可能使图像目标区域的边界变得模糊。可以证明，对图像进行邻域平均处理相当于图像信号通过一低通滤波器。相关的MATLAB指令：h=fspecial(‘average’,3);;%平均值的设定d=im2bw(round(filter2(h,d)));%平均滤波（四）、图像的边缘检测:边缘是图像的最本特征，边缘检测在计算机视觉、图像分析等应用中起着重要的作用，使图像识别与分析的重要环节。边缘存在于目标与背景、目标与目标、区域与区域之间因

6、此它是图像分割、形状特征、纹理特征的基础。缘具有方向与幅度两个特征。沿边缘走向，像素变化比较平缓。而垂直于边缘走向，则像素变化剧烈。这种剧烈可能呈现阶跃状，也可能呈现斜坡状。边缘的上的像素的一阶导数较大;二阶导数在边缘检测处值为零，呈现零交叉。这种特点使得边缘检测可以利用数学方法获得，经典的边缘检测算子有Roberts、Sobel、Prewitt、LoG、Canny算子。本设计中采用Roberts算子其MATLAB指令：I2=edge(I1,'robert',0.15,'both');%使用robert算子进行边缘检测。%将灰度图

7、像用Robert算子计算，间距0.15，方向水平，垂直两个方向，图像边缘处理，利用Robert算子运算要先进行牌照的倾斜校正。由于牌照的上下沿是两条明显的平行直线，因此，一般都采用霍夫(Hough)变换，检测出这两条直线，然后对牌照进行校正。汽车牌照的定位，是指从摄入的汽车图像中找到汽车牌照所在的位置，并把含有车牌的子区域提取出来。从编程实现的角度来看，就是针对某汽车图像，通过运行某个定位算法，确定车牌子区域的对角坐标。为了准确而快速的实现车牌的定位，人们提出了许多定位算法。这些算法大都基于汽车牌照的不同特征而提出的。这些特征包括

8、：(1)车牌区域内字符的纹理特征。(2)车牌的格式标准和字符标准信息。(3)车牌区域水平或者垂直投影特征。(4)车牌区域的位置特点。(5)车牌的彩色信息。(6)频谱特征。处理方法主要分为两大块：行定位与列定位。具体方法如下：获取特征图像要想从一整幅