matlab 车牌定位字符分割识别完整程序

% function [d]=main() close all clc % 清空命令窗口的所有输入和输出，类似于清屏 %自动弹出提示框读入图像 [filename,filepath]=uigetfile('.jpg','输入一个需要识别的车牌图像');% 直接自动读入% file=strcat(filepath,filename); %strcat函数：连接字符串；把filepath的字符串与filename的连接，即路径/文件名 I=imread(file); figure('name','原图'),imshow(I);title('原图') %图像增强 % h=ones(5,5)/25; %过滤器h % I=imfilter(I,h);%真彩色增强 % figure('name','真彩色增强');imshow(I);title('真彩色增强'); I1=rgb2gray(I); % RGB图像转灰度图像 figure('name','灰度处理前'),subplot(1,2,1),imshow(I1);title('灰度处理前的灰度图'); subplot(1,2,2),imhist(I1);title('灰度处理前的灰度图直方图'); %线性灰度变换 I1=imadjust(I1,[0.3,0.7],[]); figure('name','灰度处理后'),subplot(1,2,1),imshow(I1);title('灰度处理后的灰度图'); subplot(1,2,2),imhist(I1);title('灰度处理后的灰度图直方图'); %进行中值滤波 I1=medfilt2(I1); figure,imshow(I1);title('中值滤波'); %边缘检测：sobel,roberts,canny,prewitt等 I2=edge(I1,'roberts',0.25,'both'); %边缘检测算法，强度小于阈值0.15的边缘被省略掉,'both'两个方向检测（缺省默认） figure('name','边缘检测'),imshow(I2);title('robert算子边缘检测') se=[1;1;1]; I3=imerode(I2,se);% 腐蚀Imerode(X,SE).其中X是待处理的图像，SE是结构元素对象 figure('name','腐蚀后图像'),imshow(I3);title('腐蚀后的图像'); se=strel('rectangle',[20,20]);% 25X25的矩形 strel??? I4=imclose(I3,se);% 用25*25的矩形对图像进行闭运算(先膨胀后腐蚀)有平滑边界作用 figure('name','平滑处理'),imshow(I4);title('平滑图像的轮廓'); I5=bwareaopen(I4,1000);% 从二进制图像中移除所有少于2000像素的连接对象，消失的是连续的白色像素数量少于2000的字符 figure('name','移除小对象'),imshow(I5);title('从对象中移除小对象'); [y,x,z]=size(I5);% y是行数，x是列数，z是维数 myI=double(I5);% 转成双精度型 tic % 开始计时 Blue_y=zeros(y,1);% zeros(M,N) 表示的是M行*N列的全0矩阵 for i=1:y for j=1:x if(myI(i,j,1)==1) %% 判断蓝色像素 Blue_y(i,1)= Blue_y(i,1)+1;% 蓝色像素点统计 end end end [temp MaxY]=max(Blue_y);% Y方向车牌区域确定 [temp MaxY]临时变量MaxY PY1=MaxY; % 以下为找车牌Y方向最小值 while ((Blue_y(PY1,1)>=5)&&(PY1>1))%% 为什么判断蓝色像素点>=5（才算蓝色）？？？？ PY1=PY1-1; end PY2=MaxY; % 以下为找车牌Y方向最大值 ???难道最大值不是MaxY???? while ((Blue_y(PY2,1)>=5)&&(PY2<y)) PY2=PY2+1; end % IY=I(PY1:PY2,:,:); %%%%%%%%%%%%%%%%% X方向 %%%%%%%%% Blue_x=zeros(1,x);% 进一步确定x方向的车牌区域 for j=1:x for i=PY1:PY2 % 只需扫描的行 if(myI(i,j,1)==1) %% 判断蓝色像素 Blue_x(1,j)= Blue_x(1,j)+1; % 蓝色像素点统计 end end end PX1=1;% 以下为找车牌X方向最小值 while ((Blue_x(1,PX1)<3)&&(PX1<x))%% 为什么判断蓝色像素点<3（不算蓝色？）？？？？ PX1=PX1+1; end PX2=x;% 以下为找车牌X方向最大值 while ((Blue_x(1,PX2)<3)&&(PX2>PX1)) PX2=PX2-1; end PY1=PY1-2;% 对车牌区域的校正 为什么要这么+－？？？ PX1=PX1-2; PX2=PX2+3; PY2=PY2+10; dw=I(PY1:PY2-8,PX1:PX2,:);% 裁剪图像 toc %t=toc; % 停止计时 %figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域'); figure('name','定位剪切后的彩色车牌图像'),%subplot(1,2,2), imshow(dw),title('定位剪切后的彩色车牌图像') imwrite(dw,'dw.jpg'); % 直接自动读入%[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像'); %jpg=strcat(filepath,filename); % strcat函数：连接字符串；把filepath的字符串与filename的连接，即路径/文件名 a=imread('dw.jpg'); b=rgb2gray(a); imwrite(b,'1.车牌灰度图像.jpg'); figure('name','车牌处理');subplot(3,2,1),imshow(b),title('1.车牌灰度图像') %g_max=double(max(max(b)));% 以下作阈值化（灰度图转二值图） %g_min=double(min(min(b)));% max(a)求的每列的最大值，是一维数据；max(max(a)) 是求这一维数据的最大值。 %T=round(g_max-(g_max-g_min)/2); % T 为二值化的阈值 round：取整为最近的整数 %[m,n]=size(b);% m:b的行向量数 n:b的列向量数 %d=(double(b)>=T); % d:二值图像 %imwrite(d,'2.车牌二值图像.jpg'); %线性灰度变换 b=imadjust(b,[0.3,0.7],[]); subplot(3,2,2),imshow(b);title('2.线性灰度处理后的灰度图'); %进行二值化处理 d=im2bw(b,0.4);%将灰度图像进行二值化处理 imwrite(d,'2.车牌二值图像.jpg'); subplot(3,2,3),imshow(d),title('3.车牌二值图像');%显示二值化图像 %进行中值滤波 d=medfilt2(d); imwrite(d,'4.均值滤波后.jpg'); subplot(3,2,4),imshow(d);title('4.中值滤波后'); % 均值滤波 %h=fspecial('average',3); %d=im2bw(round(filter2(h,d)));% 滤波后，im2bw()：将图像转成二值图像 (可以不用round函数 也是一样的) %imwrite(d,'4.均值滤波后.jpg'); %subplot(3,2,4),imshow(d),title('4.均值滤波后') % 某些图像进行操作 % 膨胀或腐蚀 ？？？感觉没什么效果咧？？？ % se=strel('square',3); % 使用一个3X3的正方形结果元素对象对创建的图像进行膨胀 % 'line'/'diamond'/'ball'/'square'/'dish'... 线/菱形/球/正方形/圆 se=eye(2); % eye(n) 返回n乘n单一矩阵； 单位矩阵 [m,n]=size(d); if bwarea(d)/m/n>=0.365 % 函数bwarea 计算目标物的面积，单位是像素；bwarea/m/n即为单个像素？？ d=imerode(d,se);% 腐蚀 elseif bwarea(d)/m/n<=0.235 d=imdilate(d,se);% 膨胀 end imopen(d,se); %se=eye(7); %imopen(d,se); imwrite(d,'5.膨胀或腐蚀处理后.jpg'); subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后') % 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 d=qiege(d);% 调用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)就是竖向相加，求每列的和，结果是行向量;sum(x,2)表示矩阵x的横向相加，求每行的和，结果是列向量。sum(X(:))表示矩阵求和 while j~=n %%%%% 什么原理？？？ while s(j)==0 %% 无文字？？？为什么？？？ 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 end end % 再切割 %d=qiege(d); % 切割出 7 个字符 y1=10;y2=0.25;flag=0;word1=[]; while flag==0 % flag为自定义，以便标记循环用 [m,n]=size(d); %left=1; wide=0; while sum(d(:,wide+1))~=0 % 二值图像：黑色像素代表感兴趣的对象而白色像素代表背景。逻辑矩阵只包括0(显示为黑色)和1(显示为白色) wide=wide+1;% ？wide的意义？ end if wide<y1 % 认为是左侧干扰 为什么是10？ d(:,[1:wide])=0; % 将白色汉字前的白色弄成黑色 % figure,imshow(d); d=qiege(d); % 处理干扰后再次调用切割子程序 else temp=qiege(imcrop(d,[1 1 wide m]));% imcrop函数截取图像[xmin ymin width height] [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 %？？什么意思？？ flag=1;word1=temp; %第一个字符 end d(:,[1:wide])=0;d=qiege(d); %？为什么又处理一次？ end end % 分割出第二个字符 [word2,d]=getword(d); % 分割出第三个字符 [word3,d]=getword(d); % 分割出第四个字符 [word4,d]=getword(d); % 分割出第五个字符 [word5,d]=getword(d); % 分割出第六个字符 [word6,d]=getword(d); % 分割出第七个字符 [word7,d]=getword(d); subplot(5,7,1),imshow(word1),title('1'); subplot(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); % 商用系统程序中归一化大小为 40*20,此处演示 word1=imresize(word1,[40 20]);%imresize对图像做缩放处理，常用调用格式为：B=imresize(A,ntimes,method)；其中method可选nearest,bilinear（双线性）,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),imshow(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'