基于MATLAB的车牌识别系统1

基于MATLAB的车牌识别系统

1. 实现目标

输入一张车牌图片，实现车牌定位，字符切割和字符识别三步骤。同时可以根据需要，做成库外识别，语音播报，出入库等功能。

1. 设计步骤：

所设计的车牌识别的流程包括图像预处理，车牌分割，字符分割，及字符识别。详见matalb程序。

1. 程序讲解

1）第一部分为图像的预处理。

此部分借鉴了别人的程序，将灰度图像以sobel算子检测边缘；再对边缘图像进行腐蚀，去除掉细的，间断的边缘；对剩下的区域进行闭合以填充图像，此时可以看到车牌区域形成了一个大的连通域；调用bwareaopen函数去掉小的连通域，此时整个二值图像只b剩下了车牌区域为1。如下图所示：

1. 第二部分为车牌的提取

此部分的工作为将上一步的白色区域取出，其对应的就是车牌区域。设计思路如下：首先将二值图像f中所有为1的点的坐标放入数组location_of_1中，对这些坐标遍历计算，寻找x坐标与y坐标之和最大的点a与最小的点b，a即为车牌的左上角，b为车牌的右下角。通过这两个坐标将车牌分割出来，并对灰度车牌图像以OTSU算法进行自适应二值化分割。最终效果如下：

1. 第三部分为字符分割

此部分的工作是将车牌里的7个字符分别提取出来。方法如下：对该二值图从左向右像按列z遍历，计算每一列之和，没有白点的列和为0，有白点的列和非零，转换为逻辑1，记录下所有列和在0与1转换的列，即为需要切割的列，共有14列，可切出7个字符。切割出单个字符后，放入char_(i)中，并切割掉每个字符的上下的空白区域，完成精确切割，效果如下：

1. 第四部分为字符的识别

识别的方法主要有模板匹配字符识别算法，统计特征匹配算法，神经网络字符识别算法和支持向量机模式识别算法。由于分割的字符效果较好，为明显畸变，模k板维数低（32*16），且因为时间关系，这里采用了模板匹配识别算法。该程序把切割出的字符与库里的汉字和字符的模板做减法运算，找到差别点最少的模板为对应模板，输出该模板对应的字符，最后识别出其为“京JX9168”。如下：

Chinese模板文件：

Cha&num模板文件：

(将图片放入文件夹中，放在程序目录下)

4、代码实现

OTSU.m文件：

sum1=sum(Hi);

for i=1:255

    w1=sum(Hi(1:i))/sum1;           %第一类概率

    w2=sum(Hi((i+1):256))/sum1;     %第二类概率   

 

    m1=(0:(i-1))*Hi(1:i)/sum(Hi(1:i));          %第一类平均灰度值

    m2=(i:255)*Hi((i+1):256)/sum(Hi((i+1):256));%第二类平均灰度值

 

    Jw(i)=w1*w2*(m1-m2)^2;

end

[maxm,thresh]=max(Jw);      %寻找阈值

% subplot(2,2,1);imshow(I);title('原图像');

% subplot(2,2,[3,4]);imhist(I);hold on;plot(thresh,3,'+r');title((strcat('阈值为',num2str(thresh))));

I(find(I<=thresh))=0;      

I(find(I>thresh))=256;       %二值化

J=I;

% subplot(2,2,2),imshow(I),title('二值化图像zk');

clc

clear

close all

I=imread('chepai.jpg');

subplot(3,2,1);imshow(I), title('原始图像');

I_gray=rgb2gray(I);

subplot(3,2,2),imshow(I_gray),title('灰度图像');

%======================   形态学预处理 ======================

I_edge=edge(I_gray,'sobel');

subplot(3,2,3),imshow(I_edge),title('边缘检测后图像');

se=[1;1;1];

I_erode=imerode(I_edge,se);   

subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像');

se=strel('rectangle',[25,25]);  

I_close=imclose(I_erode,se);            %图像闭合、填充图像

subplot(3,2,5),imshow(I_close),title('填充后图像');

%==========================   车牌分割    =============================

I_new=zeros(size(I_final,1),size(I_final,2));

location_of_1=[];

for i=1:size(I_final,1)                 %寻找二值图像中白的点的位置

    for j=1:size(I_final,2)

        if I_final(i,j)==1;

            newlocation=[i,j];

            location_of_1=[location_of_1;newlocation];   

        end

    end

end

mini=inf;maxi=0;

for i=1:size(location_of_1,1)

%寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置

    temp=location_of_1(i,1)+location_of_1(i,2);

    if temp<mini

        mini=temp;

        a=i;

    end

    if temp>maxi

        maxi=temp;

        b=i;

    end

end

y2=last_point(2)-4;

I_plate=I(x1:x2,y1:y2);

I_plate=OTSU(I_plate);              %以OTSU算法对分割出的车牌进行自适应二值化处理

I_plate=bwareaopen(I_plate,50);

figure,imshow(I_plate),title('车牌提取')          %画出最终车牌

%=========================   字符分割   ============================

X=[];                               %用来存放水平分割线的横坐标

flag=0;

for j=1:size(I_plate,2)    

    sum_y=sum(I_plate(:,j));

    if logical(sum_y)~=flag         %列和有变化时，记录下此列

        X=[X j];

        flag=logical(sum_y);

    end

end

figure

for n=1:7                          

    char=I_plate(:,X(2*n-1):X(2*n)-1); %进行粗分割

    for i=1:size(char,1)            %这两个for循环对分割字符的上下进行裁剪

        if sum(char(i,:))~=0

            top=i;

            break

        end

    end

    for i=1:size(char,1)

        if sum(char(size(char,1)-i,:))~=0

            bottom=size(char,1)-i;

            break

        end

    end

    char=char(top:bottom,:);

    subplot(2,4,n);imshow(char);

    char=imresize(char,[32,16],'nearest'); %归一化为32*16的大小，以便模板匹配

    eval(strcat('Char_',num2str(n),'=char;'));  %将分割的字符放入Char_i中

end

%==========================  字符识别   =============================

char=[];

store1=strcat('京','津','沪','渝','冀','晋','辽','吉','黑','苏','浙'...  %汉字识别

    ,'皖','闽','赣','鲁','豫','鄂','湘','粤','琼','川','贵','云','陕'...

    ,'甘','青','藏','桂','皖','新','宁','港','鲁','蒙');

 for j=1:34

        Im=Char_1;

        Template=imread(strcat('chinese\',num2str(j),'.bmp')); %chinese文件附在最后

        Template=im2bw(Template);

        Differ=Im-Template;

        Compare(j)=sum(sum(abs(Differ)));

 end

 index=find(Compare==(min(Compare)));

 char=[char store1(index)];

store2=strcat('A','B','C','D','E','F','G','H','J','K','L','M','M','N','P','Q','R'...

    ,'S','T','U','V','W','X','Y','Z','0','1','2','3','4','5','6','7','8','9');

for i=2:7                                                %字母数字识别

    for j=1:35

        Im=eval(strcat('Char_',num2str(i)));

        Template=imread(strcat('cha&num\',num2str(j),'.bmp'));  %cha&num文件附在最后

        Template=im2bw(Template);

        Differ=Im-Template;

        Compare(j)=sum(sum(abs(Differ)));

    end

    index=find(Compare==(min(Compare)));

    char=[char store2(index)];

end

figure,imshow(I),title(strcat('车牌为:',char))