图像处理_车牌识别_包含程序与实验图像与课程报告_matlab

clear ; close all; % web -browser http://www.ilovematlab.cn/thread-23229-1-1.html %Step1 获取图像 装入待处理彩色图像并显示原始图像 Scolor = imread('4.jpg');%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图 figure,imshow(Scolor),title('原始彩色图像');%figure命令同时显示两幅图像 figure,imshow(Sgray),title('原始黑白图像'); %Step2 图像预处理 对Sgray 原始黑白图像进行开操作得到图像背景 s=strel('disk',13);%strei函数 Bgray=imopen(Sgray,s);%对sgray s图像开操作 figure,imshow(Bgray);title('背景图像');%输出背景图像 %用原始图像与背景图像作减法，增强图像 Egray=imsubtract(Sgray,Bgray);%两幅图相减 figure,imshow(Egray);title('增强黑白图像');%输出黑白图像 %Step3 取得最佳阈值，将图像二值化 fmax1=double(max(max(Egray)));%egray的最大值并输出双精度型 fmin1=double(min(min(Egray)));%egray的最小值并输出双精度型 level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值 bw22=im2bw(Egray,level);%转换图像为二进制图像 bw2=double(bw22); %Step4 对得到二值图像作开闭操作进行滤波 figure,imshow(bw2);title('图像二值化');%得到二值图像 grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界 figure,imshow(grd);title('图像边缘提取');%输出图像边缘 bg1=imclose(grd,strel('rectangle',[5,19]));%取矩形框的闭运算 figure,imshow(bg1);title('图像闭运算[5,19]');%输出闭运算的图像 bg3=imopen(bg1,strel('rectangle',[5,19]));%取矩形框的开运算 figure,imshow(bg3);title('图像开运算[5,19]');%输出开运算的图像 bg2=imopen(bg3,strel('rectangle',[19,1]));%取矩形框的开运算 figure,imshow(bg2);title('图像开运算[19,1]');%输出开运算的图像 %Step5 对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌区域 [L,num] = bwlabel(bg2,8);%标注二进制图像中已连接的部分 Feastats = regionprops(L,'basic');%计算图像区域的特征尺寸 Area=[Feastats.Area];%区域面积 BoundingBox=[Feastats.BoundingBox];%[x y width height]车牌的框架大小 RGB = label2rgb(L, 'spring', 'k', 'shuffle'); %标志图像向RGB图像转换 figure,imshow(RGB);title('图像彩色标记');%输出框架的彩色图像 lx=0; for l=1:num width=BoundingBox((l-1)*4+3);%框架宽度的计算 hight=BoundingBox((l-1)*4+4);%框架高度的计算 if (width>98 & width<160 & hight>25 & hight<50)%框架的宽度和高度的范围 lx=lx+1; Getok(lx)=l; end end for k= 1:lx l=Getok(k); startcol=BoundingBox((l-1)*4+1)-2;%开始列 startrow=BoundingBox((l-1)*4+2)-2;%开始行 width=BoundingBox((l-1)*4+3)+8;%车牌宽 hight=BoundingBox((l-1)*4+4)+2;%车牌高 rato=width/hight;%计算车牌长宽比 if rato>2 & rato<4 break; end end sbw1=bw2(startrow:startrow+hight,startcol:startcol+width-1); %获取车牌二值子图 subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%获取车牌灰度子图 figure,subplot(2,1,1),imshow(subcol1);title('车牌灰度子图');%输出灰度图像 subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出车牌的二值图 %Step6 计算车牌水平投影，并对水平投影进行峰谷分析 histcol1=sum(sbw1); %计算垂直投影 histrow=sum(sbw1'); %计算水平投影 figure,subplot(2,1,1),bar(histcol1);title('垂直投影（含边框）');%输出垂直投影 subplot(2,1,2),bar(histrow); title('水平投影（含边框）');%输出水平投影 figure,subplot(2,1,1),bar(histrow); title('水平投影（含边框）');%输出水平投影 subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图 %对水平投影进行峰谷分析 meanrow=mean(histrow);%求水平投影的平均值 minrow=min(histrow);%求水平投影的最小值 levelrow=(meanrow+minrow)/2;%求水平投影的平均值 count1=0; l=1; for k=1:hight if histrow(k)<=levelrow count1=count1+1; else if count1>=1 markrow(l)=k;%上升点 markrow1(l)=count1;%谷宽度（下降点至下一个上升点） l=l+1; end count1=0; end end markrow2=diff(markrow);%峰距离（上升点至下一个上升点） [m1,n1]=size(markrow2); n1=n1+1; markrow(l)=hight; markrow1(l)=count1; markrow2(n1)=markrow(l)-markrow(l-1); l=0; for k=1:n1 markrow3(k)=markrow(k+1)-markrow1(k+1);%下降点 markrow4(k)=markrow3(k)-markrow(k);%峰宽度（上升点至下降点） markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置 end %Step7 计算车牌旋转角度 %(1)在上升点至下降点找第一个为1的点 [m2,n2]=size(sbw1);%sbw1的图像大小 [m1,n1]=size(markrow4);%markrow4的大小 maxw=max(markrow4);%最大宽度为字符 if markrow4(1) ~= maxw%检测上边 ysite=1; k1=1; for l=1:n2 for k=1:markrow3(ysite)%从顶边至第一个峰下降点扫描 if sbw1(k,l)==1 xdata(k1)=l; ydata(k1)=k; k1=k1+1; break; end end end else %检测下边 ysite=n1; if markrow4(n1) ==0 if markrow4(n1-1) ==maxw ysite= 0; %无下边 else ysite= n1-1; end end if ysite ~=0 k1=1; for l=1:n2 k=m2; while k>=markrow(ysite) %从底边至最后一个峰的上升点扫描 if sbw1(k,l)==1 xdata(k1)=l; ydata(k1)=k; k1=k1+1; break; end k=k-1; end end end end %(2)线性拟合，计算与x夹角 fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2 p1=fresult.p1; angle=atan(fresult.p1)*180/pi; %弧度换为度，360/2pi, pi=3.14 %(3)旋转车牌图象 subcol = imrotate(subcol1,angle,'bilinear','crop'); %旋转车牌图象 sbw = imrotate(sbw1,angle,'bilinear','crop');%旋转图像 figure,subplot(2,1,1),imshow(subcol);title('车牌灰度子图');%输出车牌旋转后的灰度图像标题显示车牌灰度子图 subplot(2,1,2),imshow(sbw);title('');%输出车牌旋转后的灰度图像 title(['车牌旋转角: ',num2str(angle),'度'] ,'Color','r');%显示车牌的旋转角度 %Step8 旋转车牌后重新计算车牌水平投影，去掉车牌水平边框，获取字符高度 histcol1=sum(sbw); %计算垂直投影 histrow=sum(sbw'); %计算水平投影 figure,subplot(2,1,1),bar(histcol1);title('垂直投影（旋转后）'); subplot(2,1,2),bar(histrow); title('水平投影（旋转后）'); figure,subplot(2,1,1),bar(histrow); title('水平投影（旋转后）'); subplot(2,1,2),imshow(sbw);title('车牌二值子图（旋转后）'); %去水平（上下）边框,获取字符高度 maxhight=max(markrow2); findc=find(markrow2==maxhight); rowtop=markrow(findc); rowbot=markrow(findc+1)-markrow1(findc+1); sbw2=sbw(rowtop:rowbot,:); %子图为(rowbot-rowtop+1)行 maxhight=rowbot-rowtop+1; %字符高度(rowbot-rowtop+1) %Step9 计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度 histcol=sum(sbw2); %计算垂直投影 figure,subplot(2,1,1),bar(histcol);title('垂直投影（去水平边框后）');%输出车牌的垂直投影图像 subplot(2,1,2),imshow(sbw2); %输出垂直投影图像 title(['车牌字符高度： ',int2str(maxhight)],'Color','r');%输出车牌字符高度 %对垂直投影进行峰谷分析 meancol=mean(histcol);%求垂直投影的平均值 mincol=min(histcol);%求垂直投影的平均值 levelcol=(meancol+mincol)/4;%求垂直投影的1/4 count1=0; l=1; for k=1:width if histcol(k)<=levelcol count1=count1+1; else if count1>=1 markcol(l)=k; %字符上升点 markcol1(l)=count1; %谷宽度（下降点至下一个上升点） l=l+1; end count1=0; end end markcol2=diff(markcol);%字符距离（上升点至下一个上升点） [m1,n1]=size(markcol2); n1=n1+1; markcol(l)=width; markcol1(l)=count1; markcol2(n1)=markcol(l)-markcol(l-1); %Step10 计算车牌上每个字符中心位置，计算最大字符宽度maxwidth l=0; for k=1:n1 markcol3(k)=markcol(k+1)-markcol1(k+1);%字符下降点 markcol4(k)=markcol3(k)-markcol(k); %字符宽度（上升点至下降点） markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2));%字符中心位置 end markcol6=diff(markcol5); %字符中心距离（字符中心点至下一个字符中心点） maxs=max(markcol6); %查找最大值，即为第二字符与第三字符中心距离 findmax=find(markcol6==maxs); markcol6(findmax)=0; maxwidth=max(markcol6);%查找最大值，即为最大字符宽度 %Step11 提取分割字符,并变换为22行*14列标准子图 l=1; [m2,n2]=size(subcol); figure;