基于matlab的车牌识别，采用的是BP神经网络来识别matlab.zip

%---------------------------------------------% % % % 工作室提供代做matlab仿真 % % % % 详情请访问：http://cn.mikecrm.com/5k6v1DP % % % %---------------------------------------------% 11111%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 字符分割模块算法 % 定位剪切后的彩色车牌图像－－灰度－－二值化－－统一到黑底白字－－去除上下边框 % －－切割出最小范围－－滤波－－形态学处理－－分割出7个字符 % 去除上下边框算法： % 1.黑白跳变小于阈值则被视为背景；2.连续白线大于某阈值则该白线被认为是背景 % 3.单行白色大于阈值则被认为是背景，考虑FLAG的值； % 4.做完以上处理后，上边1/2 中搜索连续两条黑线，认为该黑线以上为背景；在下边1/2 中搜索连续两条黑线，认为该黑线以下为背景 % 归一化为 40*20 ，商用系统程序中归一化为 32*16 ，此处仅演示作用 function [d]=lpcseg(jpg) I=imread('car1.jpg'); I1=rgb2gray(I); I2=edge(I1,'robert',0.15,'both'); se=[1;1;1]; I3=imerode(I2,se); se=strel('rectangle',[25,25]); I4=imclose(I3,se); I5=bwareaopen(I4,2000); [y,x,z]=size(I5); myI=double(I5); tic white_y=zeros(y,1); for i=1:y for j=1:x if(myI(i,j,1)==1) white_y(i,1)= white_y(i,1)+1; end end end [temp MaxY]=max(white_y); PY1=MaxY; while ((white_y(PY1,1)>=5)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((white_y(PY2,1)>=5)&&(PY2<y)) PY2=PY2+1; end IY=I(PY1:PY2,:,:); white_x=zeros(1,x); for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) white_x(1,j)= white_x(1,j)+1; end end end PX1=1; while ((white_x(1,PX1)<3)&&(PX1<x)) PX1=PX1+1; end PX2=x; while ((white_x(1,PX2)<3)&&(PX2>PX1)) PX2=PX2-1; end PX1=PX1-1; PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); t=toc; figure(1),subplot(3,2,1),imshow(dw),title('定位剪切后的彩色车牌图像') imwrite(dw,'dw.jpg'); [filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像'); jpg=strcat(filepath,filename); a=imread(jpg); %figure(1);subplot(3,2,1),imshow(a),title('1.定位剪切后的彩色车牌图像') b=rgb2gray(a); imwrite(b,'2.车牌灰度图像.jpg'); figure(1);subplot(3,2,2),imshow(b),title('2.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 为二值化的阈值 [m,n]=size(b); d=(double(b)>=T); % d:二值图像 imwrite(d,'3.车牌二值图像.jpg'); figure(1);subplot(3,2,3),imshow(d),title('3.车牌二值图像') % 旋转 rotate=0; d=imread('3.车牌二值图像.jpg'); bw=edge(d); [m,n]=size(d); theta=1:179; % bw 表示需要变换的图像，theta 表示变换的角度 % 返回值 r 表示的列中包含了对应于 theta中每一个角度的 Radon 变换结果 % 向量 xp 包含相应的沿 x轴的坐标 [r,xp]=radon(bw,theta); i=find(r>0); [foo,ind]=sort(-r(i)); k=i(ind(1:size(i))); [y,x]=ind2sub(size(r),k); [mm,nn]=size(x); if mm~=0 && nn~=0 j=1; while mm~=1 && j<180 && nn~=0 i=find(r>j); [foo,ind]=sort(-r(i)); k=i(ind(1:size(i))); [y,x]=ind2sub(size(r),k); [mm,nn]=size(x); j=j+1; end if nn~=0 if x % Enpty matrix: 0-by-1 when x is an enpty array. x=x; else % 可能 x 为空值 x=90; % 其实就是不旋转 end d=imrotate(d,abs(90-x)); % 旋转图像 rotate=1; end end imwrite(d,'4.Radon 变换旋转后的二值图像.jpg'); figure(1),subplot(3,2,4),imshow(d),title('4.Radon 变换旋转后的二值图像') % 统一到白底黑字 [m,n]=size(d); % flag=0 表示原来就是白底黑字，否则表示原来是黑底白字 flag=0; c=d([round(m/3):m-round(m/3)],[round(n/3):n-round(n/3)]); if sum(sum(c))/m/n*9>0.5 d=~d;flag=1; end % 对反色后的图像预处理，整列几乎为白的认为是背景 if flag==1 for j=1:n if sum(sum(d(:,j)))/m>=0.95 d(:,j)=0; end end % 对以上处理后的图像再处理 % 在左边 1/2 处找连续两条黑线，认为该黑线左边为背景；在右边 1/2 处找连续两条黑线，认为该黑线右边是背景 % 左边 1/2 jj=0; for j=1:round(n/2) if sum(sum(d(:,[j:j+0])))==0 jj=j; end end d(:,[1:jj])=0; % 右边 1/2 for j=n:-1:round(n/2) if sum(sum(d(:,[j-0:j])))==0 jj=j; end end d(:,[jj:n])=0; end imwrite(d,'5.统一成黑底白字.jpg'); figure(1),subplot(3,2,5),imshow(d),title('5.背景色统一成黑底白字') figure(2),subplot(5,1,1),imshow(d),title('5.黑底白字的二值车牌图像') % 去除上下边框 % STEP 1 黑白跳变小于阈值则被视为背景 % 上面 2/5 y1=10; % y1: 跳变阈值 for i=1:round(m/5*2) count=0;jump=0;temp=0; for j=1:n if d(i,j)==1 temp=1; else temp=0; end if temp==jump count=count; else count=count+1; end jump=temp; end if count<y1 d(i,:)=0; end end % 下面 2/5 for i=3*round(m/5):m count=0;jump=0;temp=0; for j=1:n if d(i,j)==1 temp=1; else temp=0; end if temp==jump count=count; else count=count+1; end jump=temp; end if count<y1 d(i,:)=0; end end imwrite(d,'6.黑白跳变小于某阈值的行则被视为背景.jpg'); figure(2),subplot(5,1,2),imshow(d),title('6.黑白跳变小于某阈值的行则被视为背景') % STEP 2 单行白色大于阈值则被认为是背景，考虑 FLAG 的值 % 上面 2/5 y2=round(n/2); % y2: 阈值 for i=1:round(m/5*2) if flag==0 temp=sum(d(i,:));y2=round(n/2); if temp>y2 d(i,:)=0; end else temp=m-sum(d(i,:));y2=m-round(n/2); if temp<y2 d(i,:)=0; end end end % 下面 2/5 for i=round(3*m/5):m if flag==0 temp=sum(d(i,:));y2=round(n/2); if temp>y2 d(i,:)=0; end else temp=m-sum(d(i,:));y2=m-round(n/2); if temp<y2 d(i,:)=0; end end end imwrite(d,'7.单行白色点总数大于某阈值则该行被认为是背景.jpg'); figure(2),subplot(5,1,3),imshow(d),title('7.单行白色点总数大于某阈值则该行被认为是背景') % STEP 3 单行白色大于阈值则被认为是背景，考虑 FLAG 的值 % 上面 2/5 y2=round(n/2); % y2: 阈值 for i=1:round(m/5*2) if flag==0 temp=sum(d(i,:));y2=round(n/2); if temp>y2 d(i,:)=0; end else temp=m-sum(d(i,:));y2=m-round(n/2); if temp<y2 d(i,:)=0; end end end % 下面 2/5 for i=round(3*m/5):m if flag==0 temp=sum(d(i,:));y2=round(n/2); if temp>y2 d(i,:)=0; end else temp=m-sum(d(i,:));y2=m-round(n/2); if temp<y2 d(i,:)=0; end end end imwrite(d,'8.单行白色点总数大于某阈值则该行被认为是背景.jpg'); figure(2),subplot(5,1,4),imshow(d),title('8.单行白色点总数大于某阈值则该行被认为是背景') % STEP 4 做完以上处理后，上边 1/2 中搜索连续两条黑线，认为该黑线以上为背景； % 在下边 1/2 中搜索连续两条黑线，认为该黑线以下为背景 % 上边 1/2 for i=1:round(m/2) if sum(sum(d([i,i+0],:)))==0 ii=i; end end d([1:ii],:)=0; % 下边 1/2 for i=m:-1:round(m/2) if sum(sum(d([i-0:i],:)))==0 ii=i; end end d([ii:m],:)=0; imwrite(d,'9.搜索上下两条黑线后的结果.jpg'); figure(2),subplot(5,1,5),imshow(d),title('9.搜索上下两条黑线后的结果') % 反旋转 if rotate==1 d=imrotate(d,-abs(x-90)); end imwrite(d,'10.反旋转去毛刺后.jpg'); figure(3),subplot(3,2,1),imshow(d),title('10.反旋转去毛刺后') % 切割处最小范围 d=qiege(d);e=d; imwrite(d,'11.切割处最小范围.jpg'); figure(3),subplot(3,2,2),imshow(d),title('11.切割处最小范围') figure(3),subplot(3,2,3),imshow(d),title('11.均值滤波前') % 滤波 h=fspecial('average',3); d=im2bw(round(filter2(h,d))); imwrite(d,'12.均值滤波后.jpg'); figure(3),subplot(3,2,4),imshow(d),title('12.均值滤波后') % 某些图像进行操作 % 膨�