數(shù)字信號(hào)處理課程設(shè)計(jì)-車牌識(shí)別.doc

河南農(nóng)業(yè)大學(xué)數(shù)字圖像處理課程設(shè)計(jì) 學(xué)院：機(jī)電工程學(xué)院 班級(jí)： 姓名: 學(xué)號(hào)： 目錄一、實(shí)驗(yàn)類型：設(shè)計(jì)性實(shí)驗(yàn)3二、實(shí)驗(yàn)?zāi)康?三、實(shí)驗(yàn)設(shè)備： 掃描儀、安裝有MATLAB軟件的計(jì)算機(jī)3四、實(shí)驗(yàn)內(nèi)容及原理3（1）字符圖像的獲取3（2）字符圖像預(yù)處理3（3）字符圖像分割3（4）函數(shù)的作用4五、實(shí)驗(yàn)步驟81.載入車牌圖像：82.將彩圖轉(zhuǎn)換為灰度圖并繪制直方圖：93. 用roberts算子進(jìn)行邊緣檢測：104.圖像實(shí)施腐蝕操作：105.平滑圖像116. 刪除二值圖像的小對(duì)象127.車牌定位128.字符分割與識(shí)別149.車牌識(shí)別：20六、思考題27一、 實(shí)驗(yàn)類型：設(shè)計(jì)性實(shí)驗(yàn)二、 實(shí)驗(yàn)?zāi)康?1. 掌握圖像的獲取、預(yù)處理和分割的原理及MATLAB實(shí)現(xiàn)方法。2. 掌握使用掃描儀和計(jì)算機(jī)獲取數(shù)字圖像的方法，理解掃描儀的原理。3. 自學(xué)一種字符圖像的分割算法并用MATLAB編程實(shí)現(xiàn)該算法。三、 實(shí)驗(yàn)設(shè)備： 掃描儀、安裝有MATLAB軟件的計(jì)算機(jī)四、 實(shí)驗(yàn)內(nèi)容及原理（1）字符圖像的獲取用掃描儀獲取圖像是字符圖像處理常用的數(shù)字化過程的方法之一。以辦公設(shè)備中常用的臺(tái)式掃描儀為例，其主要性能指標(biāo)有x、y方向的分辨率、色彩分辨率（色彩位數(shù)）、掃描幅面和接口方式等，這些指標(biāo)都可以從掃描儀的說明手冊中獲得。分辨率的單位是dpi（Dot Per Inch），意思是每英寸的像素點(diǎn)數(shù)。掃描儀工作時(shí)，首先由可移動(dòng)帶狀光源將光線照在欲輸入的圖稿上，并沿y方向掃描稿件，產(chǎn)生表示圖像特征的反射光或透射光。照射到原稿上的光線經(jīng)反射后穿過一個(gè)很窄的縫隙，形成沿x方向的光帶，經(jīng)光學(xué)系統(tǒng)采集和過濾成RGB三色光帶分別照射到RGB分量的CCD上，CCD將光信號(hào)轉(zhuǎn)換為模擬電信號(hào)。內(nèi)部電路的A/D變換器將模擬電信號(hào)轉(zhuǎn)變?yōu)閿?shù)字電子信號(hào)輸送給計(jì)算機(jī)。將稿件全部掃描一遍，一幅完整的圖像就輸入到計(jì)算機(jī)中去了。（2）字符圖像預(yù)處理根據(jù)掃描儀掃描的文檔實(shí)際情況，有選擇地用MATLAB編程實(shí)現(xiàn)字符圖像傾斜校正、濾波、灰度化、二值化和歸一化等圖像預(yù)處理。根據(jù)具體需要，還可進(jìn)行圖像的正交變換、邊緣提取、形態(tài)學(xué)和圖像細(xì)化等操作。（3）字符圖像分割通過查找資料，自學(xué)字符圖像分割的常用算法，根據(jù)原始掃描圖像的實(shí)際情況，設(shè)計(jì)一種字符圖像分割的方法并用MATLAB編程實(shí)現(xiàn)，并繪制流程圖。字符分割車輛輸出車牌號(hào)碼字符識(shí)別車牌的定位圖像預(yù)處理圖像采集圖1 流程圖（4）函數(shù)的作用1.Imerode功能：對(duì)圖像實(shí)現(xiàn)腐蝕操作，即膨脹操作的反操作。用法：IM2 = imerode(IM,SE)IM2 = imerode(IM,NHOOD)IM2 = imerode(IM,SE,PACKOPT,M)IM2 = imerode(.,PADOPT)IM2 = imerode(IM,SE) 腐蝕灰度，二值，壓縮二值圖像IM，返回IM2。參數(shù)SE為由strel函數(shù)返回的結(jié)構(gòu)元素或者結(jié)構(gòu)元素對(duì)象組。IM2 = imerode(IM,NHOOD)腐蝕圖像IM，這里NHOOD是定義結(jié)構(gòu)元素鄰域0和1的矩陣。IM2 = imerode(.,PADOPT)指出輸出圖像的大小（是否與輸入圖像大小一致）。2.imdilate功能：對(duì)圖像實(shí)現(xiàn)膨脹操作。用法：IM2 = imdilate(IM,SE)IM2 = imdilate(IM,NHOOD)IM2 = imdilate(IM,SE,PACKOPT)IM2 = imdilate(.,PADOPT)IM2 = imdilate(IM,SE) 膨脹灰度，二值，壓縮二值圖像IM，返回IM2。參數(shù)SE為由strel函數(shù)返回的結(jié)構(gòu)元素或者結(jié)構(gòu)元素對(duì)象組。IM2 = imdilate(IM,NHOOD)膨脹圖像IM，這里NHOOD是定義結(jié)構(gòu)元素鄰域0和1的矩陣。IM2 = imdilate(IM,SE,PACKOPT)定義IM是否是一個(gè)壓縮的二值圖像。IM2 = imdilate(.,PADOPT)指出輸出圖像的大小。3.strel功能：用于膨脹腐蝕及開閉運(yùn)算等操作的結(jié)構(gòu)元素對(duì)象(本論壇隨即對(duì)膨脹腐蝕等操作進(jìn)行講解)。用法：SE = strel(shape,parameters)創(chuàng)建由指定形狀shape對(duì)應(yīng)的結(jié)構(gòu)元素。其中shape的種類有arbitrary，pair，diamond，periodicline，disk，rectangleline，square，octagon參數(shù)parameters一般控制SE的大小。4.edgeBW = edge(I) 采用灰度或一個(gè)二值化圖像I作為它的輸入，并返回一個(gè)與I相同大小的二值化圖像BW，在函數(shù)檢測到邊緣的地方為1，其他地方為0。 BW = edge(I,sobel) 自動(dòng)選擇閾值用Sobel算子進(jìn)行邊緣檢測。 BW = edge(I,sobel,thresh) 根據(jù)所指定的敏感度閾值thresh，用Sobel算子進(jìn)行邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thresh為空時(shí)，自動(dòng)選擇閾值。 BW = edge(I,sobel,thresh,direction) 根據(jù)所指定的敏感度閾值thresh，在所指定的方向direction上，用Sobel 算子進(jìn)行邊緣檢測。Direction可取的字符串值為horizontal(水平方向)、vertical(垂直方向)或both(兩個(gè)方向)。 BW,thresh = edge(I,sobel,.) 返回閾值 BW = edge(I,prewitt) 自動(dòng)選擇閾值用prewitt算子進(jìn)行邊緣檢測。 BW = edge(I,prewitt,thresh) 根據(jù)所指定的敏感度閾值thresh，用prewitt算子進(jìn)行邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thresh為空時(shí)，自動(dòng)選擇閾值。 BW = edge(I,prewitt,thresh,direction) 根據(jù)所指定的敏感度閾值thresh，在所指定的方向direction上，用prewitt算子進(jìn)行邊緣檢測。Direction可取的字符串值為horizontal(水平方向)、vertical(垂直方向)或both(兩個(gè)方向)默認(rèn)方向?yàn)閎oth。BW = edge(I,roberts) 自動(dòng)選擇閾值用roberts算子進(jìn)行邊緣檢測。 BW = edge(I,roberts,thresh) 根據(jù)所指定的敏感度閾值thresh，用Roberts算子進(jìn)行邊緣檢測，它忽略了所有小于閾值的邊緣。當(dāng)thresh為空時(shí)，自動(dòng)選擇閾值。 5.Imclose功能：對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開運(yùn)算相反，它一般融合窄的缺口和細(xì)長的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。用法：IM2 = imclose(IM,SE)IM2 = imclose(IM,NHOOD)用法和imopen相同。6.imopen功能：對(duì)圖像實(shí)現(xiàn)開運(yùn)算，開運(yùn)算一般能平滑圖像的輪廓，消弱狹窄的部分，去掉細(xì)的突出。用法：IM2 = imopen(IM,SE)IM2 = imopen(IM,NHOOD)IM2 = imopen(IM,SE)用 結(jié)構(gòu)元素SE實(shí)現(xiàn)灰度圖像或二值圖像的IM的形態(tài)開運(yùn)算。SE可以是單個(gè)結(jié)構(gòu)元素對(duì)象或者結(jié)構(gòu)元素對(duì)象數(shù)組。IM2 = imopen(IM,NHOOD)用結(jié)構(gòu)元素strel（NHOOD）執(zhí)行開運(yùn)算。7.bwareaopen功能：刪除小面積對(duì)象格式：BW2 = bwareaopen(BW,P,conn)作用：刪除二值圖像BW中面積小于P的對(duì)象，默認(rèn)情況下conn使用8鄰域。8.tic和toc函數(shù)這兩個(gè)函數(shù)一般配合使用，tic表示計(jì)時(shí)的開始，toc表示計(jì)時(shí)的結(jié)束。格式如：tic任意表達(dá)式toct=toc9.fspecial功能：用于建立預(yù)定義的濾波算子，其語法格式為：h = fspecial(type)h = fspecial(type，para)其中type指定算子的類型，para指定相應(yīng)的參數(shù)；type的類型有：1、averageaveraging filter為均值濾波，參數(shù)為hsize代表模板尺寸，默認(rèn)值為【3，3】。diskcircular averaging filter為圓形區(qū)域均值濾波，參數(shù)為radius代表區(qū)域半徑，默認(rèn)值為5.gaussianGaussian lowpass filter為高斯低通濾波，有兩個(gè)參數(shù)，hsize表示模板尺寸，默認(rèn)值為【3 3】，sigma為濾波器的標(biāo)準(zhǔn)值，單位為像素，默認(rèn)值為0.5.prewittPrewitt horizontal edge-emphasizing filter用于邊緣增強(qiáng)，大小為【3 3】，無參數(shù)sobelSobel horizontal edge-emphasizing filter用于邊緣提取，無參數(shù)9. filter2J = filter2(h,I);使用指定的濾波器h對(duì)I進(jìn)行濾波，結(jié)果保存在J中10.bwarea函數(shù)功能：計(jì)算二值圖像中對(duì)象的總面積。調(diào)用格式：total = bwarea(BW)估算二值圖像BW中對(duì)象的總面積。 返回的total是一個(gè)標(biāo)量， 它的值大致地反映了和圖像中on像素的個(gè)數(shù)。由于對(duì)于不同像素類型， 度量標(biāo)準(zhǔn)不同， 因此結(jié)果可能并不十分精確。BW可以是數(shù)值類型（整型、浮點(diǎn)型）或者邏輯類型。對(duì)于數(shù)值類型， 像素值不為0被視為on。返回值total是double類型的。11.sum功能：函數(shù)求和sum(x,2)表示矩陣x的橫向相加，求每行的和，結(jié)果是列向量。而缺省的sum(x)就是豎向相加，求每列的和，結(jié)果是行向量。A0的結(jié)果是得到一個(gè)邏輯矩陣，大小跟原來的A一致，A中大于零的元素的位置置為1，小于等于零的位置置為0。所以橫向求和以后，就是求A中每行大于零的元素個(gè)數(shù)。12. round功能：四舍五入調(diào)用格式：Y = round(X) 在matlab中round也是一個(gè)四舍五入函數(shù)。五、 實(shí)驗(yàn)步驟1.載入車牌圖像：I=imread(car1.jpg);figure(1),imshow(I);title(original image)；%將車牌的原圖顯示出來，結(jié)果如下：2.將彩圖轉(zhuǎn)換為灰度圖并繪制直方圖：I1=rgb2gray(I);%將彩圖轉(zhuǎn)換為灰度圖figure(2),subplot(1,2,1),imshow(I1);title(gray image);figure(2),subplot(1,2,2),imhist(I1);title(灰度圖直方圖);%繪制灰度圖的直方圖結(jié)果如下所示：3. 用roberts算子進(jìn)行邊緣檢測：I2=edge(I1,roberts,0.18,both);%選擇閾值0.18，用roberts算子進(jìn)行邊緣檢測figure(3),imshow(I2);title(roberts operator edge detection image)；結(jié)果如下：4.圖像實(shí)施腐蝕操作：se=1;1;1;I3=imerode(I2,se);%對(duì)圖像實(shí)施腐蝕操作，即膨脹的反操作figure(4),imshow(I3);title(corrosion image);5.平滑圖像se=strel(rectangle,25,25);%構(gòu)造結(jié)構(gòu)元素以正方形構(gòu)造一個(gè)seI4=imclose(I3,se);% 圖像聚類、填充圖像figure(5),imshow(I4);title(smothing image);結(jié)果如下所示：6. 刪除二值圖像的小對(duì)象 I5=bwareaopen(I4,2000);% 去除聚團(tuán)灰度值小于2000的部分figure(6),imshow(I5);title(remove the small objects); %用imshow函數(shù)顯示濾波后圖像結(jié)果如下所示 ：7.車牌定位y,x,z=size(I5);%返回I5各維的尺寸，存儲(chǔ)在x,y,z中myI=double(I5);%將I5轉(zhuǎn)換成雙精度tic %tic表示計(jì)時(shí)的開始，toc表示計(jì)時(shí)的結(jié)束 Blue_y=zeros(y,1);%產(chǎn)生一個(gè)y*1的零陣 for i=1:y for j=1:x if(myI(i,j,1)=1) %如果myI(i,j,1)即myI的圖像中坐標(biāo)為(i,j)的點(diǎn)值為1，即該點(diǎn)為車牌背景顏色藍(lán)色 %則Blue_y(i,1)的值加1 Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end temp MaxY=max(Blue_y);%Y方向車牌區(qū)域確定 %temp為向量yellow_y的元素中的最大值，MaxY為該值的索引 PY1=MaxY; while (Blue_y(PY1,1)=5)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); %行方向車牌區(qū)域確定 % X方向 % Blue_x=zeros(1,x);%進(jìn)一步確定x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)=1) Blue_x(1,j)= Blue_x(1,j)+1; end end end PX1=1; while (Blue_x(1,PX1)3)&(PX1x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)PX1) PX2=PX2-1; end PX1=PX1-1;%對(duì)車牌區(qū)域的校正 PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title(Line direction areas);%行方向車牌區(qū)域確定figure(7),subplot(1,2,2),imshow(dw),title(positioning color images);%定位后的車牌區(qū)域如下所示：8.字符分割與識(shí)別1) 車牌的進(jìn)一步處理對(duì)分割出的彩色車牌圖像進(jìn)行灰度轉(zhuǎn)換、二值化、均值濾波、腐蝕膨脹以及字符分割以從車牌圖像中分離出組成車牌號(hào)碼的單個(gè)字符圖像，對(duì)分割出來的字符進(jìn)行預(yù)處理（二值化、歸一化），然后分析提取，對(duì)分割出的字符圖像進(jìn)行識(shí)別給出文本形式的車牌號(hào)碼。代碼如下：imwrite(dw,dw.jpg);%將彩色車牌寫入dw文件中a=imread(dw.jpg);%讀取車牌文件中的數(shù)據(jù)b=rgb2gray(a);%將車牌圖像轉(zhuǎn)換為灰度圖imwrite(b,gray licence plate.jpg);%將灰度圖像寫入文件中figure(8);subplot(3,2,1),imshow(b),title(車牌灰度圖像)g_max=double(max(max(b);g_min=double(min(min(b);T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值m,n=size(b);d=(double(b)=T); % d:二值圖像imwrite(d,binary licence plate.jpg);subplot(3,2,2),imshow(d),title(before filtering binary licence plate)%均值濾波前% 濾波h=fspecial(average,3);%建立預(yù)定義的濾波算子，average為均值濾波，模板的尺寸為3*3d=im2bw(round(filter2(h,d);%使用指定的濾波器h對(duì)h進(jìn)行d即均值濾波imwrite(d,after average licence plate.jpg);subplot(3,2,3),imshow(d),title(after average licence plate)% 某些圖像進(jìn)行操作% 膨脹或腐蝕% se=strel(square,3); % 使用一個(gè)3X3的正方形結(jié)果元素對(duì)象對(duì)創(chuàng)建的圖像進(jìn)行膨脹% line/diamond/ball.se=eye(2); % eye(n) returns the n-by-n identity matrix 單位矩陣m,n=size(d);%返回矩陣b的尺寸信息， 并存儲(chǔ)在m,n中if bwarea(d)/m/n=0.365 %計(jì)算二值圖像中對(duì)象的總面積與整個(gè)面積的比是否大于0.365 d=imerode(d,se);%如果大于0.365則圖像進(jìn)行腐蝕elseif bwarea(d)/m/n=0.235 %計(jì)算二值圖像中對(duì)象的總面積與整個(gè)面積的比是否小于0.235 d=imdilate(d,se);%如果小于則實(shí)現(xiàn)膨脹操作endimwrite(d,expansion or corrosion the licence plate.jpg);subplot(3,2,4),imshow(d),title(expansion or corrosion the licence plate)；運(yùn)行結(jié)果如下所示：2) 字符分割在汽車牌照自動(dòng)識(shí)別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。字符識(shí)別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。一般分割出來的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。但是對(duì)于車牌的識(shí)別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識(shí)別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。% 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割%首先創(chuàng)建子函數(shù)qiege與getword，而后調(diào)用子程序，將車牌的字符分割開并且進(jìn)行歸一化處理d=qiege(d);m,n=size(d);subplot(3,2,5),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;while j=n while s(j)=0 j=j+1; end k1=j; while s(j)=0 & j=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endend% 再切割d=qiege(d);% 切割出 7 個(gè)字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; end if widey2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)=0;d=qiege(d); endend% 分割出第二個(gè)字符word2,d=getword(d);% 分割出第三個(gè)字符word3,d=getword(d);% 分割出第四個(gè)字符word4,d=getword(d);% 分割出第五個(gè)字符word5,d=getword(d);% 分割出第六個(gè)字符word6,d=getword(d);% 分割出第七個(gè)字符word7,d=getword(d);figure(9);subplot(2,7,1),imshow(word1),title(1);subplot(2,7,2),imshow(word2),title(2);subplot(2,7,3),imshow(word3),title(3);subplot(2,7,4),imshow(word4),title(4);subplot(2,7,5),imshow(word5),title(5);subplot(2,7,6),imshow(word6),title(6);subplot(2,7,7),imshow(word7),title(7);m,n=size(word1);% 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示word1=imresize(word1,40 20);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(2,7,8),imshow(word1),title(1);subplot(2,7,9),imshow(word2),title(2);subplot(2,7,10),imshow(word3),title(3);subplot(2,7,11),imshow(word4),title(4);subplot(2,7,12),imshow(word5),title(5);subplot(2,7,13),imshow(word6),title(6);subplot(2,7,14),imshow(word7),title(7);imwrite(word1,1.jpg);imwrite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);imwrite(word6,6.jpg);imwrite(word7,7.jpg);運(yùn)行結(jié)果如下：9.車牌識(shí)別：模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母26個(gè)，數(shù)字10個(gè)。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了7個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此相同。首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來的結(jié)果。識(shí)別的流程圖如下所示：建立自動(dòng)識(shí)別的代碼表讀取分割出來的字符第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識(shí)別完成，輸出此模板對(duì)應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配源代碼如下：liccode=char(0:9 A:Z 蘇豫陜魯京遼浙); %建立自動(dòng)識(shí)別字符代