MATLAB车牌识别过程.docx

目前常用的图像格式主要有*.PCX、*.BMP、*.JPG、*.TIFF、*.GIF等，本设计采集到的图 片格式％*.JPG格式，这种格式的图像占有的存储空间小，而且是使用最广的图片保存和传 有二值化、腐蚀、去除干扰、膨胀、擦除、取反，都可以直接使 用图像工具箱的图像处理函数。经过以上处理过程后可以得到带边框的白底黑字的车牌图 片，但是由于还存在车牌的边框，需要对其进行二次的裁剪，裁剪方法跟上面阐述的提取彩 色车牌方法相似，先将图片水平垂直投影，然后统计黑色像素点，找到字符边缘进行裁剪， 得到除去边框的白底黑字的车牌照。代码如下： SE=ones(3,3);
bw=im2bw (bw) ; figure, imshow (bw) ; title ('二值化 * );
bw=imerode (bw, SE) ; figure, imshow (bw) ; title ( * 腐蚀 * );
bw=bwmorph(bw, 1 clean *,inf);
bw=bwmorph(bw, * hbreak *,inf);
bw=bwmorph(bw, * spur ,,inf);
bw=imdilate (bw, SE) ; figure, imshow (bw) ; title ( * 膨胀 * );
bw = bwareaopen(bw, threshold);figure,imshow(bw);title(* ^1^ * ); bw=~bw; figure, imshow (bw) ; title ( * 颜色取反 , );
bw=touying (bw) ; figure; imshow (bw) ; title ( * 投影 , );
运行结构如下：
Figure 2
File Edit Vi ew Insert Tools Desktop Window Kelp
腐蚀
二值化图像
BPC322
HAPC322
膨胀
擦除
快PC322 OT ■
«&PC322
颜色取反
两322
二次栽剪
肺 PC322

对二次裁剪的车牌图像进行水平垂直投影，计算水平垂直峰， ，往往由于阈值取得不好，导致 字符切割不准确，针对这种情况,可以由车牌格式的先验知识，对切割出的字符宽度进行统计 分析，用以指导切割。代码如下： [yf x]=size(imfenge);
histogram=sum(~imfenge);
k=l;
for h=l:x-1
if
((histogram(1,h)<=shedingyuzhi)&&(histogram(1,h+1)>shedingyuzhi))||(( h==l)&&histogram(1,h)>shedingyuzhi)
fenge(1,k)=h;
k=k+l;
elseif
((histogram(1,h)>shedingyuzhi)&&(histogram(1,h+1)<=shedingyuzhi))||(( h==x-l)& &histogram(1,h)>shedingyuzhi)
fenge(1,k)=h+l;
k=k+l;
end
end
k=k-l;
if
(sum(histogram(1,fenge(1,1):fenge(1,2)))<ganrao)||((fenge(1,2)-fenge(
1, 1))<(fenge(1,4)-fenge(1,3))/2) for i=3:k
fenge(1, i-2)=fenge(1,i);
end
end
[m n]=size(fenge);
fenge=fenge(1,1:14);
运行结果如下：

目前字符识别方法主要有神经网络识别法和模板匹配法。人工神经网络是模拟人脑思维功 能和组织建立起来的数学模型，但总体来说其应用还是相对复杂的。模板匹配法是，务从待 识别的图象或图象区域f (i, j)中提取的若干特征量与模板T(i, j)相应的特征量 逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表 示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之 间的距离，用最小距离法判定所属类。本系统使用的是较为简单的模板匹配法来 识别字符的。
首先将待识别字符的图像进行归一化处理，使其长宽与模板字符图像长宽一 致，模板使用的是80*160的图片尺寸，待识别字符图像归一化代码为：
xiuzhenghanzi =
imresi