車牌識別(附源代碼)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上車牌識別電子1301 孫洪江 13一、目的與要求車牌定位系統(tǒng)的目的在于正確獲取整個圖像中車牌的區(qū)域，并識別出車牌號。通過設(shè)計實現(xiàn)車牌識別系統(tǒng)，能夠提高學(xué)生分析問題和解決問題的能力，還能培養(yǎng)一定的科研能力二、設(shè)計原理:牌照自動識別是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號碼、牌照顏色自動識別的模式識別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學(xué)字符識別算法等。某些牌照識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)胍曇暗墓δ芊Q之為視頻車輛檢測。一個完整的牌照識別系統(tǒng)應(yīng)包括車輛檢測、

2、圖像采集、牌照識別等幾部分。當(dāng)車輛檢測部分檢測到車輛到達(dá)時觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。牌照識別單元對圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識別，然后組成牌照號碼輸出。 三、詳細(xì)設(shè)計步驟:為了進(jìn)行牌照識別，需要以下幾個基本的步驟：a.牌照定位，定位圖片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出來；c.牌照字符識別，把分割好的字符進(jìn)行識別，最終組成牌照號碼。牌照識別過程中，牌照顏色的識別依據(jù)算法不同，可能在上述不同步驟實現(xiàn)，通常與牌照識別互相配合、互相驗證。(1） 牌照定位:自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個識

3、別過程的關(guān)鍵。首先對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。（2）牌照字符分割 :完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進(jìn)行識別。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。（3）牌照字符識別 :字符識別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。

4、基于模板匹配算法首先將分割后的字符二值化,并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種：一種是先對待識別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實現(xiàn)特征提取直至識別出結(jié)果。實際應(yīng)用中，牌照識別系統(tǒng)的識別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識別的識別

5、率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善識別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識別。四、各個功能模塊的主要實現(xiàn)程序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');fig

6、ure(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.圖像實施腐蝕操作：se=1;1;1;I3=imerode(I2,se);%對圖像實施腐蝕操作，

7、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seI4=imclose(I3,se); figure(5),imshow(I4);title('smothing image');結(jié)果如下所示：6. 刪除二值圖像的小對象 I5=bwareaopen(I4,2000);% 去除聚團灰度值小于2000的部分figure(6),imshow(I5);title('remove the sma

8、ll 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，存儲在x,y,z中myI=double(I5);%將I5轉(zhuǎn)換成雙精度tic %tic表示計時的開始，toc表示計時的結(jié)束 Blue_y=zeros(y,1);%產(chǎn)生一個y*1的零陣 for i=1:y for j=1:x if(myI(i,j,1)=1) Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點統(tǒng)計 end end end temp MaxY=max(Blue_y);%Y方向車牌區(qū)域確定 PY1=MaxY; while

9、(Blue_y(PY1,1)>=5)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)>=5)&&(PY2<y) PY2=PY2+1; end IY=I(PY1:PY2,:,:);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)&

10、&(PX1<x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)<3)&&(PX2>PX1) PX2=PX2-1; end PX1=PX1-1;%對車牌區(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'); figure(7),subplot(1,2,2),imshow(dw),title('positioning

11、 color images');8.字符分割與識別對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碼的單個字符圖像，對分割出來的字符進(jìn)行預(yù)處理（二值化、歸一化），然后分析提取，對分割出的字符圖像進(jìn)行識別給出文本形式的車牌號碼。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');

12、%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

13、binary licence plate')h=fspecial('average',3);d=im2bw(round(filter2(h,d);%使用指定的濾波器h對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')se=eye(2); % eye(n) returns the n-by-n identity matrix 單位矩陣m,n=size(d);%返

14、回矩陣b的尺寸信息， 并存儲在m,n中if bwarea(d)/m/n>=0.365 %計算二值圖像中對象的總面積與整個面積的比是否大于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 %計算二值圖像中對象的總面積與整個面積的比是否小于0.235 d=imdilate(d,se);%如果小于則實現(xiàn)膨脹操作endimwrite(d,'expansion or corrosion the licence plate.jpg');subplot(3,2,4),imshow(d),title

15、('expansion or corrosion the licence plate')；運行結(jié)果如下所示：9.字符分割在汽車牌照自動識別過程中，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)行字符識別。字符識別的算法很多，因為車牌字符間間隔較大，不會出現(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別的需要。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。%

16、 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<=n-1 j=j+1; end k2=j-1; if k2-k1>=round(n/6.5) val,num=min(sum(d

17、(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endendd=qiege(d);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; endif wide<y1 d(:,1:wide)=0; d=qiege(d); else temp=qiege(imcrop(d,1 1 wide m); m,n=size(temp); all=sum(sum(temp); two_thirds=sum(sum(temp

18、(round(m/3):2*round(m/3),:); if two_thirds/all>y2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)=0;d=qiege(d); endend word2,d=getword(d); word3,d=getword(d); word4,d=getword(d); word5,d=getword(d); word6,d=getword(d); word7,d=getword(d);figure(9);subplot(2,7,1),imshow(word1),title('1');subpl

19、ot(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);w

20、ord1=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

21、,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');im

22、write(word3,'3.jpg');imwrite(word4,'4.jpg');imwrite(word5,'5.jpg');imwrite(word6,'6.jpg');imwrite(word7,'7.jpg');運行結(jié)果如下：10.車牌識別：模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個進(jìn)行比較，計算它們之間規(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。也可以計算圖

23、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，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。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。為了實驗方便，結(jié)合本次設(shè)計所選汽車牌照的特點，只建立了7個數(shù)字26個字母與10個數(shù)字的模板。其他模板設(shè)計的方法與此相同。首先取字符模板，接著依次取待識別字符與模板進(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值個數(shù)保存，即為識別出來的結(jié)果源代碼如

24、下：liccode=char('0':'9' 'A':'Z' '蘇豫陜魯京遼浙'); %建立自動識別字符代碼表 SubBw2=zeros(40,20);l=1;for I=1:7 ii=int2str(I); t=imread(ii,'.jpg'); SegBw2=imresize(t,40 20,'nearest'); SegBw2=double(SegBw2)>20; if l=1 %第一位漢字識別 kmin=37; kmax=43; elseif l=2 %第二位 AZ

25、字母識別 kmin=11; kmax=36; else l>=3 %第三位以后是字母或數(shù)字識別 kmin=1; kmax=36; end for k2=kmin:kmax fname=strcat('字符模板',liccode(k2),'.jpg'); SamBw2 = imread(fname); SamBw2=double(SamBw2)>1; for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0; for k1=1

26、:40 for l1=1:20 if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 ) Dmax=Dmax+1; end end end Error(k2)=Dmax; end Error1=Error(kmin:kmax); MinError=min(Error1); findc=find(Error1=MinError); Code(l*2-1)=liccode(findc(1)+kmin-1); Code(l*2)=' ' l=l+1;endfigure(10),imshow(dw),title ('車牌號碼:'

27、, Code,'Color','b');五、設(shè)計體會課程設(shè)計不僅是對前面所學(xué)知識的一種檢驗，而且也是對自己能力的一種提高。以前老是覺得自己什么東西都不會，什么東西都不懂，而且又急于求成，結(jié)果造成什么都沒學(xué)好，還是什么都不會。通過這次課程設(shè)計，我才明白學(xué)習(xí)是一個長期積累的過程，在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和綜合素質(zhì)，特別是對于我，基礎(chǔ)比較差，一定不能太過于心急，要靜下心來慢慢的研究。雖然這個設(shè)計做的也不太好，但是在設(shè)計過程中所學(xué)到的東西是這次課程設(shè)計的最大收獲和財富，使我終身受益六、參考文獻(xiàn):1 楊萬山等，基于BP 神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形

28、符號的識別，微型電腦應(yīng)用，Vol.16，No.2，20002 王年、李婕、任彬、汪炳權(quán).多層次汽車車牌照定位分割方法. 安徽大學(xué)學(xué)報，1999(6)Vol.23.No.23 崔江、王友仁.車牌自動識別方法中的關(guān)鍵技術(shù)研究.計算機測量與控制，2003.11(4)4 許志影、李晉平.MATLAB極其在圖像處理中的應(yīng)用.計算機與現(xiàn)代化，2004(4)源代碼如下：I=imread('C:UsersyunshuniDesktop新建文件夾0.jpg');figure(1),imshow(I);title('原始車牌');%將車牌的原圖顯示出來I1=rgb2gray(I);

29、%將彩圖轉(zhuǎn)換為灰度圖figure(2),subplot(1,2,1),imshow(I1);title('原始車牌');figure(2),subplot(1,2,2),imhist(I1);title('灰度圖直方圖');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('邊緣檢測圖像');se=1;1;1;I3=imerode(I2,se);%對圖像實施腐蝕操作，即膨脹的反操作figure

30、(4),imshow(I3);title('腐蝕后圖像');se=strel('rectangle',25,25);%構(gòu)造結(jié)構(gòu)元素以正方形構(gòu)造一個seI4=imclose(I3,se);% 圖像聚類、填充圖像figure(5),imshow(I4);title('閉運算后圖像');I5=bwareaopen(I4,2000);% 去除聚團灰度值小于2000的部分figure(6),imshow(I5);title('去除后圖像');y,x,z=size(I5);%返回I5各維的尺寸，存儲在x,y,z中myI=double(I5);

31、%將I5轉(zhuǎn)換成雙精度tic %tic表示計時的開始，toc表示計時的結(jié)束 Blue_y=zeros(y,1);%產(chǎn)生一個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)的點值為1，即該點為車牌背景顏色藍(lán)色 %則Blue_y(i,1)的值加1 Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點統(tǒng)計 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; whi

32、le (Blue_y(PY1,1)>=5)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)>=5)&&(PY2<y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); %行方向車牌區(qū)域確定 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,

33、PX1)<3)&&(PX1<x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)<3)&&(PX2>PX1) PX2=PX2-1; endPX1=PX1-1;%對車牌區(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('車牌行方向');%行方向車牌區(qū)域確定figure(7),subplot(1,2,2),imshow(dw),title('車牌區(qū)

34、域');%定位后的車牌區(qū)域如下所示：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

35、)>=T); % d:二值圖像subplot(3,2,2),imshow(d),title('二值化圖像')%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h進(jìn)行d即均值濾波subplot(3,2,3),imshow(d),title('濾波后圖像')se=eye(2); % eye(n) returns the n-by-n identity matrix 單位矩陣m,n=si

36、ze(d);%返回矩陣b的尺寸信息， 并存儲在m,n中if bwarea(d)/m/n>=0.365 %計算二值圖像中對象的總面積與整個面積的比是否大于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 %計算二值圖像中對象的總面積與整個面積的比是否小于0.235 d=imdilate(d,se);%如果小于則實現(xiàn)膨脹操作endsubplot(3,2,4),imshow(d),title('膨脹或腐蝕圖像');d=qiege(d);m,n=size(d);subplot(3,2,5),

37、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<=n-1 j=j+1; end k2=j-1; if k2-k1>=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 個字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d);

38、 left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; end if wide<y1 % 認(rèn)為是左側(cè)干擾 d(:,1:wide)=0; d=qiege(d); else temp=qiege(imcrop(d,1 1 wide m); m,n=size(temp); all=sum(sum(temp); two_thirds=sum(sum(temp(round(m/3):2*round(m/3),:); if two_thirds/all>y2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)

39、=0;d=qiege(d); 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);figure(9);subplot(2,7,1),imshow(word1),title('1');subplot(2,7,2),imshow(word2),title('2')

40、;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);word1=imresize(word1,40 20);word2=imresize(

41、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('