车牌识别模板匹配优质代码

车牌识别 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 匹配优质代码 close all clc [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(膨胀、腐蚀、开运算、闭运算)是创建由指定形状shape对应的结构元素，se=strel('rectangle',20,20) %SE = strel('rectangle', MN) 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)) PY1=PY1-1; end PY2=MaxY; % 以下为找车牌Y方向最大值 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)<5)&&(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'); 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) %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'); 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') %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%进行字符识 别%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 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'); subplot(5,7,21),imshow(word7),title('77'); imwrite(word1,'1.jpg'); % 创建七位车牌字符图像 imwrite(word2,'2.jpg'); imwrite(word3,'3.jpg'); imwrite(word4,'4.jpg'); imwrite(word5,'5.jpg'); imwrite(word6,'6.jpg'); imwrite(word7,'7.jpg'); liccode=char(['0':'9' 'A':'Z' '京辽陕苏鲁浙']); SubBw2=zeros(40,20); % 创建一个40行20列的0矩阵 l=1; for I=1:7 ii=int2str(I); % 将整型数据转换为字符串型数据 t=imread([ii,'.jpg']);% 依次读入七位车牌字符 SegBw2=imresize(t,[40 20],'nearest'); % 对读入的字符进行 缩放 if I==1 % 第一位汉字识别 kmin=37; kmax=42; elseif I==2 % 第二位 A~Z 字母识别 kmin=11; kmax=36; else I>=3 % 第三位以后是字母或数字识别 ;即I>=3 kmin=1; kmax=36; end for k2=kmin:kmax fname=strcat('namebook\',liccode(k2),'.jpg'); % strcat函数:连接字符串 SamBw2 = imread(fname); for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上相当于两幅图相减得到第三幅图 进行匹配 Dmax=0; % 与模板不同的点个数 for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) > 5 | SubBw2(k1,l1) < -5 ) % "|"/"||" 或操作 (>2 15)20以上无区别 Dmax=Dmax+1; end end end Error(k2)=Dmax; % 记录下字符与模板k2不同的点个数 end Error1=Error(kmin:kmax); MinError=min(Error1); % 差别最小的 findc=find(Error1==MinError); % 找出差别最小的模板 Code(l*2-1)=liccode(findc(1)+kmin-1); Code(l*2)=' '; l=l+1; end figure(10),subplot(5,7,1:7),imshow(dw),title('第一步:车牌定位'), xlabel({'第二步:车牌分割'}); %'', subplot(6,7,15),imshow(word1); subplot(6,7,16),imshow(word2); subplot(6,7,17),imshow(word3); subplot(6,7,18),imshow(word4); subplot(6,7,19),imshow(word5); subplot(6,7,20),imshow(word6); subplot(6,7,21),imshow(word7); subplot(6,7,22:42),imshow('dw.jpg'); =============================================================== Qiege.m切割子程序 function e=qiege(d) [m,n]=size(d); top=1;bottom=m;left=1;right=n; % init while sum(d(top,:))==0 && top<=m top=top+1; end while sum(d(bottom,:))==0 && bottom>=1 bottom=bottom-1; end while sum(d(:,left))==0 && left<=n left=left+1; end while sum(d(:,right))==0 && right>=1 right=right-1; end dd=right-left; hh=bottom-top; e=imcrop(d,[left top dd hh]); =============================================== ================ Getword.m取出字符子程序 function [word,result]=getword(d) word=[];flag=0;y1=8;y2=0.5; while flag==0 [m,n]=size(d); wide=0; while sum(d(:,wide+1))~=0 && wide<=n-2 wide=wide+1; end temp=qiege(imcrop(d,[1 1 wide m])); [m1,n1]=size(temp); if wide<y1 && n1/m1>y2 d(:,[1:wide])=0; if sum(sum(d))~=0 d=qiege(d); % 切割出最小范围 else word=[];flag=1; end else word=qiege(imcrop(d,[1 1 wide m])); d(:,[1:wide])=0; if sum(sum(d))~=0; d=qiege(d);flag=1; else d=[]; end end end %end result=d;