(完整word版)基于Matlab的车牌识别实现源码

由天下分享时间：2024/12/21 17:34:18 加入收藏我要投稿点赞

function[]=main(jpg) close all clc

tic %测定算法执行的时间

[fn,pn]=uigetfile('timg1,jpg','选择图片') %读入图片 I=imread([pn,fn]);

figure,imshow(I);title('原始图像'); %显示原始图像

Im1=rgb2gray(I); figure(2), subplot(1,2,1), imshow(Im1); title('灰度图'); figure(2), subplot(1,2,2), imhist(Im1);

title('灰度图的直方图'); %显示图像的直方图

Tiao=imadjust(Im1,[0.19,0.78],[0,1]); %调整图片 figure(3), subplot(1,2,1),

imshow(Tiao);title('增强灰度图'); figure(3), subplot(1,2,2), imhist(Tiao);

title('增强灰度图的直方图');

Im2=edge(Tiao,'Roberts','both'); %使用sobel算子进行边缘检测 figure(4), imshow(Im2);

title('sobel算子实现边缘检测')

se=[1;1;1];

Im3=imerode(Im2,se); figure(5), imshow(Im3); title('腐蚀效果图');

se=strel('square',40);%'rectangle',[25,25]/'diamond',25/ Im4=imclose(Im3,se); figure(6), imshow(Im4);

title('平滑图像的轮廓');

Im5=bwareaopen(Im4,1500); figure(7), imshow(Im5); title('移除小对象');

[y,x,z]=size(Im5); %返回Im5各维的尺寸，并存储在变量y、x、z中 Im6=double(Im5); %将Im5换成双精度数值 %开始横向扫描

tic %tic计时开始，toc结束，计算tic与toc之间程序的运行时间 Blue_y=zeros(y,1); %产生y*1的全0矩阵 for i=1:y %逐行扫描 for j=1:x

if(Im6(i,j,1)==1)%如果Im6图像中坐标为(i,j)的点值为1,即为移除小对象的白色区域， Blue_y(i,1)= Blue_y(i,1)+1;%则y*1列矩阵的相应像素点的元素值加1， end end end

[temp MaxY]=max(Blue_y);%temp为向量Blue_y的矩阵中的最大值，MaxY为该值的索引（最大值在向量中的位置）

%返回包含最大元素的列，即白色区域最宽的列 %Y方向车牌区域确定 figure(8),subplot(1,2,1),

plot(0:y-1,Blue_y),title('行方向白色像素点累计'),xlabel('行数'),ylabel('个数'); PY1=MaxY;

while ((Blue_y(PY1,1)>=120)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY;

while ((Blue_y(PY2,1)>=40)&&(PY2

IY=I(PY1:PY2,:,:);

%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分 %横向扫描完成，开始纵向扫描

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域 for j=1:x %逐列扫描 for i=PY1:PY2 if(Im6(i,j,1)==1)

Blue_x(1,j)= Blue_x(1,j)+1; %根据Im5的x值确定 end end end

figure(8),subplot(1,2,2),

plot(0:x-1,Blue_x),title('列方向白色像素点累计'),xlabel('列数'),ylabel('个数'); PX1=1;

while ((Blue_x(1,PX1)<3)&&(PX1

while ((Blue_x(1,PX2)<3)&&(PX2>PX1)) PX2=PX2-1; end

%end纵向扫描 PX1=PX1-2;%对车牌区域的校正 PX2=PX2+2;

dw=I(PY1:PY2,PX1:PX2,:); t=toc;

figure(9),subplot(1,2,1),imshow(IY),title('垂直方向合理区域');

figure(9),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像') imwrite(dw,'dw.jpg'); %将图像写入图形文件中 a=imread('dw.jpg'); b=rgb2gray(a);

imwrite(b,'车牌灰度图像.jpg'); figure(10); subplot(3,2,1), imshow(b),

title('1.车牌灰度图像')

g_max=double(max(max(b))); g_min=double(min(min(b)));

T=round(g_max-(g_max-g_min)/3); %T为设定的二值化的阈值,返回一个四舍五入的整数值 [m,n]=size(b);

d=(double(b)>=T); %d为二值图像 imwrite(d,'车牌二值图像.jpg'); figure(10); subplot(3,2,2), imshow(d),

title('2.车牌二值图像') figure(10), subplot(3,2,3), imshow(d), title('3.均值滤波前')

h=fspecial('average',3);%建立预定义的滤波算子，average为均值滤波，模板尺寸为3*3 d=imbinarize(round(filter2(h,d))); %im2bw,使用指定的滤波器h对h进行d即均值滤波 imwrite(d,'均值滤波后.jpg'); figure(10), subplot(3,2,4), imshow(d), title('4.均值滤波后') se=eye(2);%单位矩阵

[m,n]=size(d); %d为二值图像,返回信息矩阵

if bwarea(d)/m/n>=0.365%二值图像中对象的总面积与整个面积的比大于0.365 d=imerode(d,se);%进行腐蚀

elseif bwarea(d)/m/n<=0.235%二值图像中对象的总面积与整个面积的比值小于0.235 d=imdilate(d,se);%进行膨胀 end

imwrite(d,'膨胀或腐蚀处理后.jpg'); figure(10), subplot(3,2,5), imshow(d),

title('5.膨胀或腐蚀处理后.jpg')

d=qiege(d); %切割，寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割 [m,n]=size(d);

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; end end

d=qiege(d);

y1=10;y2=0.25;flag=0;word1=[]; while flag==0 [m,n]=size(d); wide=0;