机器视觉实验四 车牌识别
Posted 鲁棒最小二乘支持向量机
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器视觉实验四 车牌识别相关的知识，希望对你有一定的参考价值。
【实验目的】
1.掌握车牌识别原理
2.掌握利用Matlab进行编程实现车牌识别的方法
3.掌握复杂机器视觉软件系统的设计方法
【实验内容】
1.利用Matlab对标准车牌图像和自建车牌图像进行识别
【实验要求】
1.写出实现车牌识别的Matlab源代码
2.对测量结果进行统计和误差分析
实验程序
车牌：
clear;
close all;
Scolor = imread('F:\\MatlabShijueTupian/15.jpg');%imread函数读取车牌图像文件
%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(Sgray),title('原始黑白图像');
s=strel('disk',13);%strei函数
Bgray=imopen(Sgray,s);%打开sgray s图像
figure,imshow(Bgray);title('背景图像');%输出背景图像
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
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);
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
[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);
hight=BoundingBox((l-1)*4+4);
if (width>98 & width<160 & hight>25 & hight<50)
lx=lx+1;
Getok(lx)=l;
end
end
for k= 1:lx
l=Getok(k);
startcol=BoundingBox((l-1)*4+1)-2;
startrow=BoundingBox((l-1)*4+2)-2;
width=BoundingBox((l-1)*4+3)+8;
hight=BoundingBox((l-1)*4+4)+2;
rato=width/hight;
if rato>2 & rato<4
break;
end
end
startrow=BoundingBox((l-1)*4+2)-2;
startcol=BoundingBox((l-1)*4+1)-2;
sbw1=bw2(startrow:startrow+hight,startcol:startcol+width-1);
subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);
figure,subplot(2,1,1),imshow(subcol1);
title('车牌灰度子图');
subplot(2,1,2),imshow(sbw1);
title('车牌二值子图');
meanrow=mean(histrow);
minrow=min(histrow);
levelrow=(meanrow+minrow)/2;
count1=0;
l=1;
for k=1:hight
if histrow(k)<=levelrow
count1=count1+1;
else
if count1>=1
markrow(l)=k;
markrow1(l)=count1;
l=l+1;
end
count1=0;
end
end
markrow2=diff(markrow);
[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);
markrow4(k)=markrow3(k)-markrow(k);
markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));
end
[m2,n2]=size(sbw1);
[m1,n1]=size(markrow4);
maxw=max(markrow4);
if markrow4(1) ~= maxw
ysite=1;
k1=1;
for l=1:n2
for k=1:markrow3(ysite)
if sbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
break;
end
end
end
else
ysite=n1;
if markrow4(n1) ==0
if markrow4(n1-1) ==maxw
ysite= 0;
else
ysite= n1-1;
end
end
if ysite ~=0
k1=1;
for l=1:n2
k=m2;
while k>=markrow(ysite)
if sbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
break;
end
k=k-1;
end
end
end
end
fresult = fit(xdata',ydata','poly1'); %poly1表示一介拟合 Y = p1*x+p2
p1=fresult.p1;
angle=atan(fresult.p1)*180/pi; %弧度换为度，360/2pi, pi=3.14
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
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）');
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)
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
meancol=mean(histcol);
mincol=min(histcol);
levelcol=(meancol+mincol)/4;
count1=0;
l=1;
for k=1:width
if histcol(k)<=levelcol
count1=count1+1;
else
if count1>=1
markcol(l)=k;
markcol1(l)=count1;
l=l+1;
end
count1=0;
end
end
markcol2=diff(markcol);
[m1,n1]=size(markcol2);
n1=n1+1;
markcol(l)=width;
markcol1(l)=count1;
markcol2(n1)=markcol(l)-markcol(l-1);
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
l=1;
[m2,n2]=size(subcol);
figure;
for k=findmax-1:findmax+5
cleft=markcol5(k)-maxwidth/2;
cright=markcol5(k)+maxwidth/2-2;
if cleft<1
cleft=1;
cright=maxwidth;
end
if cright>n2
cright=n2;
cleft=n2-maxwidth;
end
SegGray=sbw(rowtop:rowbot,cleft:cright);
SegBw1=sbw(rowtop:rowbot,cleft:cright);
SegBw2 = imresize(SegBw1,[22 14]); %变换为22行*14列标准子图
subplot(2,n1,l),imshow(SegGray);
if l==7
title(['车牌字符宽度： ',int2str(maxwidth)],'Color','r');
end
subplot(2,n1,n1+l),imshow(SegBw2);
fname=strcat('F:\\MATLAB\\work\\sam\\image',int2str(k),'.jpg');%保存子图备选入样本库,并建立样本库
imwrite(SegBw2,fname,'jpg')
l=l+1;
end
车牌识别：
clear ;
close all;
%Step1 获取图像 装入待处理彩色图像并显示原始图像
Scolor = imread('F:\\MatlabShijueTupian/19.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
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(毕业设计python 机器视觉 车牌识别 - opencv 深度学习 机器学习