MATLAB車牌識別論文加源碼

1、姓名學(xué)號成績xxxx大學(xué)數(shù)字圖像處理本科生課程論文論文題目：_車牌識別方法研究_ 完成時間：_2016年6月1日_所在專業(yè)：_軟件工程_ 所在年級：_大三年級_基于MATLAB的車牌識別方法研究xxx級軟件專業(yè)1班 xxx xx摘要:汽車車牌的識別是智能交通管理的重要組成部分之一。本文主要介紹車牌區(qū)域提取、字符切割、字符識別。車牌區(qū)域提取主要包括圖像灰度圖轉(zhuǎn)化、圖像邊緣檢測、灰度圖腐蝕、圖像平滑處理、邊界值計算。字符切割主要包括圖像去噪處理、圖像膨脹和腐蝕處理。字符識別主要包括圖像膨脹和腐蝕處理、字符歸一化。關(guān)鍵詞：MATLAB、車牌區(qū)域提取、字符識別、字符切割1 研究背景隨著經(jīng)濟社會的迅猛發(fā)

2、展，人們的生活水平的提高，機動車輛的數(shù)量也越來越多。為了提高車輛的管理效率，緩解公路上的交通壓力，我們必須找到一種解決方案。而作為汽車“身份證”的汽車車牌，是在公眾場合能夠唯一確定汽車身份的憑證。我們可以以此為依據(jù)，設(shè)計一種車牌識別系統(tǒng)監(jiān)控各個車輛的情況。車牌識別的難點： 我國汽車牌照自身特征的復(fù)雜性1) 漢字、字母、數(shù)字混合。我國的車牌不單單有英文字母和阿拉伯?dāng)?shù)字，還有漢字。2) 顏色種類多。國外的車牌顏色種類相對于國內(nèi)較少一些，我國的車牌顏色種類較多。3) 人為因素復(fù)雜。由于環(huán)境、道路或者人為因素造成車牌有嚴重污漬、車牌模糊不清或者車牌偏斜角度很大的車輛，在我國都可以上路行駛。4) 車牌格

3、式多。我國的車牌格式很多，包括：民用車牌、公安警察車牌、武警車牌、軍車車牌、外交車牌、特種車牌、消防車牌等。 外部環(huán)境影響1) 外部光照條件各不相同，白天和晚上的光照各不相同。光照對采集的圖像質(zhì)量產(chǎn)生很大的影響。不同的光照角度對車牌光照的不均勻影響也很大。不同的氣候條件、背景光照環(huán)境、車牌反光程度都決定了車牌的亮度特征。2) 外界背景的復(fù)雜程度也影響車牌的定位準確率。背景中和車牌區(qū)域當(dāng)中有許多和車牌特征相似的長方形區(qū)域，這些容易給車牌定位造成誤判導(dǎo)致車牌定位的準確率降低。2 主要理論概況本圖像預(yù)處理模塊是將圖像灰度化和用Roberts算子進行邊緣檢測的步驟。車牌定位和分割采用的是利用數(shù)學(xué)形態(tài)法

4、來確定車牌位置，再利用車牌彩色信息的彩色分割法來完成車牌部位分割。字符的分割采用的方法是以二值化后的車牌部分進行垂直投影，然后在對垂直投影進行掃描，從而完成字符的分割。本文即是針對其核心部分進行闡述并使用MATLAB軟件環(huán)境中進行字符分割的仿真。一個完整的車牌號識別系統(tǒng)要完成從圖像采集到字符識別輸出，過程相當(dāng)復(fù)雜，基本可以分成硬件部分跟軟件部分，硬件部分包括系統(tǒng)觸發(fā)、圖像采集，軟件部分包括圖像預(yù)處理、車牌位置提取、字符分割、字符識別四大部分。3 研究的主要內(nèi)容3.1 車牌識別研究內(nèi)容車牌定位的研究現(xiàn)狀車牌定位決定其后的車牌字符分割和識別，因此車牌定位是車牌識別技術(shù)中最關(guān)鍵的一步。車牌定位的目的

5、是從包含整個車輛的圖像中找到車牌區(qū)域的圖像。車牌定位方法的出發(fā)點是利用車牌區(qū)域的特征來判斷牌照，將車牌區(qū)域從整幅車輛圖像中分割出來。車牌字符識別的研究現(xiàn)狀車牌字符識別就是對分割出的待識別的字符進行識別處理。車牌的字符由有限的漢字、英文字母和數(shù)字組成。目前車牌字符識別最常用于車牌字符識別的方法是基于模板匹配的方法、基于特征分類的方法兩大類。字符分割算法一直在不斷的完善。針對車牌的字符分割，是字符分割的一個具體應(yīng)用，目前根據(jù)車牌的字符特征提出的算法主要有：基于先驗知識的分割算法、基于投影輪廓和拓撲結(jié)構(gòu)的分割算法等。例如，黃可為等利用視覺神經(jīng)生理學(xué)和認知學(xué)實驗結(jié)果，歸納出一種仿生目標(biāo)搜索策略將其運行

6、到車牌字符分割中。吳進軍等根據(jù)車牌字符的排列規(guī)律和字符的幾何特征，提出了一種基于第三個字符定位的車牌字符分割方法，很好地解決了車牌定位后的字符缺損情況。3.2 車牌識別系統(tǒng)程序設(shè)計3.2.1車牌區(qū)域提取圖像讀取及車牌區(qū)域提取主要有：圖像灰度圖轉(zhuǎn)化、圖像邊緣檢測、灰度圖腐蝕、圖像的平滑處理以及車牌區(qū)域的邊界值計算。其程序流程圖如下: 輸入車牌圖象灰度校正平滑處理提取邊緣 圖 3.1 預(yù)處理及邊緣提取框圖3.2.2圖像灰度圖轉(zhuǎn)化由于車牌的底色不同，所以從RGB圖像直接進行車牌區(qū)域提取存在很大困難，但不管哪種底色的車牌，其底色與上面的字符顏色的對比度大，將RGB圖像轉(zhuǎn)化成灰度圖像時，車牌底色跟字符的

7、灰度值會相差很大。原圖、灰度對于將彩色圖象轉(zhuǎn)換成灰度圖象時，圖象灰度值H可由下面的公式計算： (3.1) (3.2) 通過程序運行其效果圖見圖3.2和圖3.3：圖 3.2 原始圖像圖 3.3灰度圖像經(jīng)過程序運行出來的灰度圖可以比較容易的識別出車牌的區(qū)域，達到了預(yù)期的灰度效果。3.2.3圖像的邊緣檢測 在Matlab中利用函數(shù)edge()實現(xiàn)邊緣檢測，具體的用法如下所示：Car_Image_Bin=edge(Car_Image_Gray,robert,0.15,both);Robert 算子采用對角方向相鄰兩像素之差，其計算公式如下： （3.3） （3.4）其幅值為： （3.5）使用邊緣檢測，腐

8、蝕效果如圖3.4所示:圖 3.4 邊緣效果圖基本上達到了邊緣檢測的效果。但是，在車牌附近的其他區(qū)域也由于各種干擾的影響，也存在一些白色區(qū)域。所以要對圖像做進一步的處理，用灰度圖腐蝕來消除多余的邊界點。3.2.4灰度圖腐蝕所謂腐蝕即一種消除邊界點，使邊界向內(nèi)部收縮的過程。利用它可以消除小而且無意義的物體。腐蝕的規(guī)則是輸出圖像的最小值是輸入圖像領(lǐng)域中的最小值，在一個二值圖像中，只要有一個像素值為0，則相應(yīng)的輸出像素值為0。本系統(tǒng)使用imerode()函數(shù)，Car_Image_Erode=imerode(Car_Image_Bin,Se);腐蝕后如圖：圖 3.5 腐蝕效果圖已經(jīng)得到了車牌圖像的輪廓線

9、了，只要再經(jīng)過適當(dāng)?shù)奶幚砑纯砂衍嚺铺岢龀鰜怼?.2.5圖像平滑處理得到車牌區(qū)域的圖像輪廓線后，由于圖像的數(shù)字化誤差和噪聲直接影響了腳點的提取，因此在腳點提取之前必須對圖像進行平滑處理，Matlab有一個圖像平滑處理函數(shù)imclose()Car_Image_Perform=imclose(Car_Image_Erode,Se);結(jié)構(gòu)單元中Se一個小于對象閉合圖形，只要兩個封閉域的距離小于Se，就將這兩個連接成一個連通域，Se生成方式采用Se=strel(rectangle,25,25);由于車牌圖像經(jīng)過腐蝕以后只剩下車牌區(qū)域以及車的標(biāo)志。在程序運行的圖像平滑后效果如下：圖 3.6 平滑處理后效果

10、 從平滑后的效果圖分析，達到了預(yù)定的目標(biāo)。消除了圖像的數(shù)字化誤差和噪聲對腳點的直接提取的影響。3.2.6移除小對象圖像平滑處理了，可能會有多個閉合區(qū)域，對于不是車牌區(qū)域的必須予以刪除，Matlab提供了一個函數(shù)bwareaopen()，用于刪除二值圖像中面積小于一個定值的對象，默認情況下使用8鄰域，Car_Image_Perform2=bwareaopen(Car_Image_Perform,2000);這樣，Car_Image_Perform中面積小于2000的對象都被刪除了。小對象被刪除后的圖像如圖3.7所示：圖 3.7 移除小對象后效果圖 移除小對象后的效果圖已經(jīng)非常明顯了，圖像中最后只

11、存在車牌區(qū)域，其他的圖像已經(jīng)完全濾除掉了，包括小物體，車的標(biāo)志等影響已經(jīng)沒有了。3.2.7車牌區(qū)域的邊界值計算采用水平與垂直雙向投影法。水平坐標(biāo)的確定，先定義一個的數(shù)組，其中為原始圖像的寬度值，然后將二值圖像垂直投影到軸。從直方圖中基本可以看書水平方向上的兩個分界線，為了便于處理，該課題將像素值臨界值定量化，取值5個像素。從左向右尋找第一個1值像素大于5的坐標(biāo)為水平方向左側(cè)分界線，從右向左尋找到第一個1值像素量大于5的為右側(cè)分界線，程序可以用for循環(huán)語句。垂直方向的分界線可用同樣的方法實現(xiàn)。分界線計算后，即可從原圖像中剪切出只包含車牌的區(qū)域圖像。剪切得到的圖像如下。圖3.9為RGB圖像切割出

12、來的圖像：圖 3.9 原圖中的車牌區(qū)域圖像 對比原始圖像與二值圖裁減圖可以看出，車牌的四個邊界值基本上被確定下來了，這樣就可以從原始圖像中直接確定車牌的區(qū)域了。所以車牌就成功地被提取出來了3.2.8車牌處理先將RGB圖像轉(zhuǎn)換成灰度值，再將灰度圖轉(zhuǎn)化成二進制圖，在Matlab實現(xiàn)方式如下：T=round(License_Image_Gray_max-(License_Image_Gray_max-License_Image_Gray_min)/3); 同時采集大的圖像噪點依然存在，因此可以通過處理圖像的低頻部分來銳化圖像。這里采用高通濾波算法。腐蝕已經(jīng)在在上文介紹，膨脹剛好與腐蝕相反，運算規(guī)則是

13、輸出圖像的像素值是輸入圖像鄰域中的最大值，在一個二值圖像中，只要一個像素值為1，則相應(yīng)的輸出像素值為1。根據(jù)經(jīng)驗值，車牌圖像中，字符面積與車牌面積之比在(0.235,0.365)之間，因此計算字符面積與車牌面積比值，如果大于0.365則對圖像進行腐蝕，如果小于0.235則對圖像進行膨脹，在這里結(jié)構(gòu)元素Se使用一個二維單位矩陣。圖 3.12 車牌處理后效果4 結(jié)論 根據(jù)車牌特點，車牌定位的算法分為三類，一類是基于邊緣的，一類是基于顏色的，一類是基于機器學(xué)習(xí)的等。這里我采用的是邊緣檢測的方法實現(xiàn)定的。字符分割的方法也有多種：1.基于聚類分析的字符分割；2.投影分割的方法；3.基于模板匹配的字符分割

14、等。最常用的是投影分割，主要是針對在車牌定位，圖像預(yù)處理后比較規(guī)則的車牌圖像。優(yōu)點是程序邏輯設(shè)計簡單，循環(huán)執(zhí)行功能單一，便于設(shè)計和操作，程序執(zhí)行時間短。 字符識別的基本方法通常又三類：1.結(jié)構(gòu)特征分析方法；2.模板匹配法；3.神經(jīng)網(wǎng)絡(luò)法。此處采用的是模板匹配的方法，即是將要識別的字符與事先構(gòu)造好的模板進行比對，根據(jù)與模板的相似度的大小來確定最終的識別結(jié)果。但是系統(tǒng)本身還存在許多不足，特別是對圖像的分割與識別，目前還存在一定問題。距離具體實用的要求仍有很大差距，但我卻在這次 學(xué)習(xí)中學(xué)到了很多知識!參考文獻1張紅，數(shù)字圖像處理與分析2葉晨洲，廖金周，一種基于紋理的牌照圖象二值化方法3劉陽，伊鐵源等

15、.數(shù)字圖象處理應(yīng)用于車輛牌照的識別4崔江、王友仁.車牌自動識別方法中的關(guān)鍵技術(shù)研究5韓勇強、李世祥.汽車牌照子圖像的定位算附錄：程序源碼% function d=main()close allclc % 清空命令窗口的所有輸入和輸出，類似于清屏%自動彈出提示框讀入圖像filename,filepath=uigetfile(.jpg,輸入一個需要識別的車牌圖像);% 直接自動讀入%file=strcat(filepath,filename); %strcat函數(shù)：連接字符串；把filepath的字符串與filename的連接，即路徑/文件名I=imread(file);figure(name,原

16、圖),imshow(I);title(原圖)%圖像增強% h=ones(5,5)/25; %過濾器h% I=imfilter(I,h);%真彩色增強% figure(name,真彩色增強);imshow(I);title(真彩色增強);I1=rgb2gray(I); % RGB圖像轉(zhuǎn)灰度圖像figure(name,灰度處理前),subplot(1,2,1),imshow(I1);title(灰度處理前的灰度圖);subplot(1,2,2),imhist(I1);title(灰度處理前的灰度圖直方圖);%線性灰度變換I1=imadjust(I1,0.3,0.7,);figure(name,灰度

17、處理后),subplot(1,2,1),imshow(I1);title(灰度處理后的灰度圖);subplot(1,2,2),imhist(I1);title(灰度處理后的灰度圖直方圖);%進行中值濾波I1=medfilt2(I1);figure,imshow(I1);title(中值濾波);%邊緣檢測：sobel,roberts,canny,prewitt等I2=edge(I1,roberts,0.25,both); %邊緣檢測算法，強度小于閾值0.15的邊緣被省略掉,both兩個方向檢測（缺省默認）figure(name,邊緣檢測),imshow(I2);title(robert算子邊緣檢

18、測)se=1;1;1;I3=imerode(I2,se);% 腐蝕Imerode(X,SE).其中X是待處理的圖像，SE是結(jié)構(gòu)元素對象figure(name,腐蝕后圖像),imshow(I3);title(腐蝕后的圖像);se=strel(rectangle,20,20);% 25X25的矩形 strel?I4=imclose(I3,se);% 用25*25的矩形對圖像進行閉運算(先膨脹后腐蝕)有平滑邊界作用figure(name,平滑處理),imshow(I4);title(平滑圖像的輪廓);I5=bwareaopen(I4,1000);% 從二進制圖像中移除所有少于2000像素的連接對象，

19、消失的是連續(xù)的白色像素數(shù)量少于2000的字符figure(name,移除小對象),imshow(I5);title(從對象中移除小對象);y,x,z=size(I5);% y是行數(shù)，x是列數(shù)，z是維數(shù)myI=double(I5);% 轉(zhuǎn)成雙精度型tic % 開始計時Blue_y=zeros(y,1);% zeros(M,N) 表示的是M行*N列的全0矩陣for i=1:y for j=1:x if(myI(i,j,1)=1) % 判斷藍色像素 Blue_y(i,1)= Blue_y(i,1)+1;% 藍色像素點統(tǒng)計 end end endtemp MaxY=max(Blue_y);% Y方向車

20、牌區(qū)域確定 temp MaxY臨時變量MaxYPY1=MaxY;% 以下為找車牌Y方向最小值while (Blue_y(PY1,1)=5)&(PY11)% 為什么判斷藍色像素點=5（才算藍色）？ PY1=PY1-1;end PY2=MaxY; % 以下為找車牌Y方向最大值 ?難道最大值不是MaxY?while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1;end% IY=I(PY1:PY2,:,:);% X方向 %Blue_x=zeros(1,x);% 進一步確定x方向的車牌區(qū)域for j=1:x for i=PY1:PY2% 只需掃描的行 if(myI(i,j,1)=

21、1) % 判斷藍色像素 Blue_x(1,j)= Blue_x(1,j)+1; % 藍色像素點統(tǒng)計 end end endPX1=1;% 以下為找車牌X方向最小值while (Blue_x(1,PX1)3)&(PX1x)% 為什么判斷藍色像素點3（不算藍色？）？ PX1=PX1+1;end PX2=x;% 以下為找車牌X方向最大值while (Blue_x(1,PX2)PX1) PX2=PX2-1;endPY1=PY1-2;% 對車牌區(qū)域的校正 為什么要這么+？PX1=PX1-2;PX2=PX2+3;PY2=PY2+10;dw=I(PY1:PY2-8,PX1:PX2,:);% 裁剪圖像toc

22、%t=toc; % 停止計時%figure(7),subplot(1,2,1),imshow(IY),title(行方向合理區(qū)域);figure(name,定位剪切后的彩色車牌圖像),%subplot(1,2,2),imshow(dw),title(定位剪切后的彩色車牌圖像)imwrite(dw,dw.jpg);% 直接自動讀入%filename,filepath=uigetfile(dw.jpg,輸入一個定位裁剪后的車牌圖像);%jpg=strcat(filepath,filename); % strcat函數(shù)：連接字符串；把filepath的字符串與filename的連接，即路徑/文件名a

23、=imread(dw.jpg);b=rgb2gray(a);imwrite(b,1.車牌灰度圖像.jpg);figure(name,車牌處理);subplot(3,2,1),imshow(b),title(1.車牌灰度圖像)%g_max=double(max(max(b);% 以下作閾值化（灰度圖轉(zhuǎn)二值圖）%g_min=double(min(min(b);% max(a)求的每列的最大值，是一維數(shù)據(jù)；max(max(a) 是求這一維數(shù)據(jù)的最大值。%T=round(g_max-(g_max-g_min)/2); % T 為二值化的閾值round：取整為最近的整數(shù)%m,n=size(b);% m:

24、b的行向量數(shù) n:b的列向量數(shù)%d=(double(b)=T);% d:二值圖像%imwrite(d,2.車牌二值圖像.jpg);%線性灰度變換b=imadjust(b,0.3,0.7,);subplot(3,2,2),imshow(b);title(2.線性灰度處理后的灰度圖);%進行二值化處理d=im2bw(b,0.4);%將灰度圖像進行二值化處理imwrite(d,2.車牌二值圖像.jpg);subplot(3,2,3),imshow(d),title(3.車牌二值圖像);%顯示二值化圖像%進行中值濾波d=medfilt2(d);imwrite(d,4.均值濾波后.jpg);subplo

25、t(3,2,4),imshow(d);title(4.中值濾波后);% 均值濾波%h=fspecial(average,3);%d=im2bw(round(filter2(h,d);% 濾波后，im2bw()：將圖像轉(zhuǎn)成二值圖像 (可以不用round函數(shù) 也是一樣的)%imwrite(d,4.均值濾波后.jpg);%subplot(3,2,4),imshow(d),title(4.均值濾波后)% 某些圖像進行操作% 膨脹或腐蝕？感覺沒什么效果咧？% se=strel(square,3);% 使用一個3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像進行膨脹% line/diamond/ball/squar

26、e/dish. 線/菱形/球/正方形/圓se=eye(2); % eye(n) 返回n乘n單一矩陣； 單位矩陣m,n=size(d);if bwarea(d)/m/n=0.365 % 函數(shù)bwarea 計算目標(biāo)物的面積，單位是像素；bwarea/m/n即為單個像素？ d=imerode(d,se);% 腐蝕elseif bwarea(d)/m/n=0.235 d=imdilate(d,se);% 膨脹endimopen(d,se);%se=eye(7);%imopen(d,se);imwrite(d,5.膨脹或腐蝕處理后.jpg);subplot(3,2,5),imshow(d),title(

27、5.膨脹或腐蝕處理后)% 尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割d=qiege(d);% 調(diào)用qiege()子程序m,n=size(d);figure,subplot(2,1,1),imshow(d),title(n)%k1=1;k2=1;j=1;s=sum(d);%sum(x)就是豎向相加，求每列的和，結(jié)果是行向量;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。sum(X(:)表示矩陣求和while j=n % 什么原理？ while s(j)=0% 無文字？為什么？ j=j+1; end k1=j; while s(j)=0 & j=ro

28、und(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 個字符y1=10;y2=0.25;flag=0;word1=;while flag=0% flag為自定義，以便標(biāo)記循環(huán)用 m,n=size(d); %left=1; wide=0; while sum(d(:,wide+1)=0 % 二值圖像：黑色像素代表感興趣的對象而白色像素代表背景。邏輯矩陣只包括0(顯示為黑色)和1(顯示為白色) wide=wide+1;% ？wide的意義？ end if wide

29、y2 %？什么意思？ flag=1;word1=temp; %第一個字符 end d(:,1:wide)=0;d=qiege(d); %？為什么又處理一次？ endend% 分割出第二個字符word2,d=getword(d);% 分割出第三個字符word3,d=getword(d);% 分割出第四個字符word4,d=getword(d);% 分割出第五個字符word5,d=getword(d);% 分割出第六個字符word6,d=getword(d);% 分割出第七個字符word7,d=getword(d);subplot(5,7,1),imshow(word1),title(1);sub

30、plot(5,7,2),imshow(word2),title(2);subplot(5,7,3),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);% 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示word1=imresize(word1,40 20);%imre

31、size對圖像做縮放處理，常用調(diào)用格式為：B=imresize(A,ntimes,method)；其中method可選nearest,bilinear（雙線性）,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),ims

32、how(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),imshow(word7),title(77);imwrite(word1,1.jpg); % 創(chuàng)建七位車牌字符圖像imwri

33、te(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 A:Z 京遼桂陜蘇渝浙);%建立自動識別字符代碼表；京津滬渝港澳吉遼魯豫冀鄂湘晉青皖蘇贛浙閩粵瓊臺陜甘云川貴黑藏蒙桂新寧% 編號：0-9分別為 1-10;A-Z分別為 11-36;% 京津滬渝港澳吉遼魯豫冀鄂湘晉青皖蘇% 贛浙閩粵瓊臺陜甘云川貴黑藏蒙桂新寧% 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 69 70SubBw2=zeros(40,20); % 創(chuàng)建一個40行20列的0矩陣l=1;for I=1:7 ii=int2str(I); % 將整型數(shù)據(jù)轉(zhuǎn)換為字符串型數(shù)據(jù) t=imread(