matlab車牌識別系統(tǒng)算法源碼論文

《matlab車牌識別系統(tǒng)算法源碼論文》由會員分享，可在線閱讀，更多相關《matlab車牌識別系統(tǒng)算法源碼論文（3頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、matlab車牌識別系統(tǒng)算法源碼-論文 matlab車牌識別系統(tǒng)算法源碼 待處理的圖像如下所示。圖像整體比較清晰干凈，車牌方向端正，字體清楚，與周圍顏色的反差較大。 要定位汽車牌照并識別其中的字符，我們采用Matlab平臺提供的一些圖像處理函數(shù),以傅立葉變換通過字符模板與待處理的圖像匹配為核心思想?；痉椒ㄈ缦拢? 1、讀取待處理的圖像，將其轉(zhuǎn)化為二值圖像。經(jīng)試驗，采用門限值為0.2附近時車牌字符最為清楚，雜點最少（如下左圖）。 I = imread(car.jpg); I2 = rgb2gray(I); I4 = im2bw(I2, 0.2); 2、去除圖像中面積過小的，可以

2、肯定不是車牌的區(qū)域。 bw = bwareaopen(I4, 500); 3、為定位車牌，將白色區(qū)域膨脹，腐蝕去無關的小物件，包括車牌字符（如下右圖）。 se = strel(disk,15); bw = imclose(bw,se); 4、此時車牌所在白色連通域已清晰可見，但在黑色區(qū)域以外，是一個更大的白色連通域，將車牌所在連通域包圍了。有必要將其填充。 bw = imfill(bw,[1 1]); 5、查找連通域邊界。同時保留此圖形，以備后面在它上面做標記。 [B,L] = bwboundaries(bw,4); imshow(label2rgb(L, @jet, [.

3、5 .5 .5])) hold on for k = 1:length(B) boundary = B{k}; plot(boundary(:,2),boundary(:,1),w,LineWidth,2) end 6、找出所有連通域中最可能是車牌的那一個。判斷的標準是：測得該車牌的長寬比約為4.5:1，其面積和周長存在關系：(4.5LL)/(2(4.5＋1)L)2≈1/27，以此為特征，取metric=27*area/perimeter^2作為連通域的匹配度，它越接近1，說明對應的連通域越有可能是4.5:1的矩形。 % 找到每個連通域的質(zhì)心 stats = regionpro

4、ps(L,Area,Centroid); % 循環(huán)歷遍每個連通域的邊界 for k = 1:length(B) % 獲取一條邊界上的所有點 boundary = B{k}; % 計算邊界周長 delta_sq = diff(boundary).^2; perimeter = sum(sqrt(sum(delta_sq,2))); % 獲取邊界所圍面積 area = stats(k).Area; % 計算匹配度 metric = 27*area/perimeter^2; % 要顯示的匹配度字串 metric_string = sprintf(%2

5、.2f,metric); % 標記出匹配度接近1的連通域 if metric >= 0.9 && metric <= 1.1 centroid = stats(k).Centroid; plot(centroid(1),centroid(2),ko); % 提取該連通域所對應在二值圖像中的矩形區(qū)域 goalboundary = boundary; s = min(goalboundary, [], 1); e = max(goalboundary, [], 1); goal = imcrop(I4,[s(2) s(1) e(2)-s(2) e(1)-s(1

6、)]); end % 顯示匹配度字串 text(boundary(1,2)-35,boundary(1,1)+13,... metric_string,Color,g,... FontSize,14,FontWeight,bold); end 圖示為找到的各個連通區(qū)域，中部被標記“○”的矩形匹配度為0.99，是最可能的區(qū)域。下邊是由它確定的二值圖像中的車牌區(qū)域： 7、將車牌圖像反白處理，并擴充為256256的方陣（如下左圖），以便下面傅立葉變換中矩陣旋轉(zhuǎn)運算的進行。 goal = ~goal; goal(256,256) = 0; figure; imsho

7、w(goal); 8、從文件讀取一個字符模板（以“P”為例，模板圖像 直接從上述二值圖像中截取得到）。對圖像計算傅立葉描述子，用預先定義好的決策函數(shù)對描述子進行計算。變換后的圖像中，亮度的高低指示相應區(qū)域與模板的匹配程度（如下中圖）。 w = imread(P.bmp); w = ~w; C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256))); 9、通過檢查C的最大值，試驗確定一個合適的門限（這里240比較合適），顯示亮度大于該門限的點，也就是與模板的匹配程度最高的位置（如下右圖）。 thresh = 240; figure; i

8、mshow(C > thresh); 對照左右兩圖，可以說明字符“P”被識別和定位了。同樣的方法，可以識別和定位其它字符。 這種方法總體上比較容易理解，Matlab的函數(shù)隱藏了傅立葉變換等復雜的計算。缺點：在定位車牌方面，程序?qū)ｉT按本題給定圖像的特點設計，沒有普適性。字符識別方面，僅能識別與給定模板基本一致的字符。車牌大小、角度、光線、完整性、清晰度發(fā)生變化后，就無法識別了。同時對于“8”與“B”這樣相似的字符，識別時常常混淆。 * 參考文獻： 1、Applications of the Fourier Transform, Matlab 7.0 Help Documents, The MathWorks. 2、Identifying Round Objects, Matlab 7.0 Demos, The MathWorks.1024 101000?