圖像處理指導書五

1、多媒體通信技術(shù)實 驗 指 導 書唐山學院信息與控制工程實驗教學中心2015年3月實驗五 車牌定位一實驗原理在matlab環(huán)境下，經(jīng)過圖像預處理技術(shù)（灰度化、二值化、邊緣化、腐蝕、連通、濾波），再配合投影法來定位所有可能為待測車牌邊緣的像素；在這些候選的像素中，再進一步限制其像素點數(shù)并利用車牌的長寬比例大約保持一定值的事實，便可以精確地取得正確的車牌區(qū)域，以實現(xiàn)車牌定位。二Matlab中圖像的基本操作1、圖像的變換 fft2：fft2函數(shù)用于數(shù)字圖像的二維傅立葉變換。ifft2:：ifft2函數(shù)用于數(shù)字圖像的二維傅立葉反變換，如： i=imread(filename); j=fft2(i);k=

2、ifft2(j);2、模擬噪聲生成函數(shù)和預定義濾波器 imnoise：用于對圖像生成模擬噪聲，如： i=imread(filename); j=imnoise(i,gaussian,0,0.02);%模擬高斯噪聲 fspecial：用于產(chǎn)生預定義濾波器，如：h=fspecial(sobel);%sobel水平邊緣增強濾波器h=fspecial(gaussian);%高斯低通濾波器h=fspecial(laplacian);%拉普拉斯濾波器h=fspecial(log);%高斯拉普拉斯（LoG）濾波器h=fspecial(average);%均值濾波器2、圖像的增強直方圖：imhist函數(shù)用于數(shù)

3、字圖像的直方圖顯示。直方圖均化：histeq函數(shù)用于數(shù)字圖像的直方圖均化。對比度調(diào)整：imadjust函數(shù)用于數(shù)字圖像的對比度調(diào)整。對數(shù)變換：log函數(shù)用于數(shù)字圖像的對數(shù)變換?；诰矸e的圖像濾波函數(shù)：filter2函數(shù)用于圖像濾波。線性濾波：利用二維卷積conv2濾波。中值濾波：medfilt2函數(shù)用于圖像的中值濾波。銳化（1）利用Sobel算子銳化圖像, 如:i=imread(filename);h=1,2,1;0,0,0;-1,-2,-1;%Sobel算子j=filter2(h,i);（2）利用拉氏算子銳化圖像, 如:i=imread(filename);j=double(i);h=0,1

4、,0;1,-4,0;0,1,0;%拉氏算子k=conv2(j,h,same);m=j-k;3、圖像邊緣檢測sobel算子 如：i=imread(filename);j = edge(i,sobel,thresh)prewitt算子 如：i=imread(filename);j = edge(i,prewitt,thresh)roberts算子 如：i=imread(filename);j = edge(i,roberts,thresh)log算子 如：i=imread(filename);j = edge(i,log,thresh)canny算子 如：i=imread(filename);j

5、= edge(i,canny,thresh)Zero-Cross算子 如：i=imread(filename);j = edge(i,zerocross,thresh)4、形態(tài)學圖像處理膨脹：是在二值化圖像中“加長”或“變粗”的操作，函數(shù)imdilate執(zhí)行膨脹運算，如：a=imread(filename); %輸入二值圖像b=0 1 0;1 1 1;0 1 0; c=imdilate(a,b);腐蝕：函數(shù)imerode執(zhí)行腐蝕，如：a=imread(filename); %輸入二值圖像b=strel(disk,1);c=imerode(a,b);開運算：先腐蝕后膨脹稱為開運算，用imopen

6、來實現(xiàn)，如： a=imread(filename);b=strel(square,2);c=imopen(a,b);閉運算：先膨脹后腐蝕稱為閉運算，用imclose來實現(xiàn)，如： a=imread(filename);b=strel(square,2);c=imclose(a,b);.對于車牌定位系統(tǒng)，需要使用到的圖像處理操作有：灰度化、二值化、邊緣化、腐蝕、連通、濾波。三流程圖車牌定位過程的流程圖如下：1、載入圖片。車牌記錄圖片一般都是以jpeg格式保存，故本次設計讀取的圖片格式均為jpeg格式，如為其他格式，可先行將格式轉(zhuǎn)換成jpeg格式。操作指令：namefile,pathname=uig

7、etfile(*.jpg,Select image); if namefile=0 I=imread(strcat(pathname,namefile); imshow(I); end2、灰度化。車牌圖片一般為彩色圖片，故不應該再使用im2bw函數(shù)，這里使用rgb2gray函數(shù)對彩色的圖像進行灰度化。3、邊緣化。前面已經(jīng)介紹給很多圖像邊緣檢測的方法，本次設計中才用Robert算子對車牌圖像進行邊緣化。具體命令為：I2=edge(I1,robert,0.15,both); 4、腐蝕。圖像的腐蝕操作指令為imerode。5、連通。這里我們可以使用一個開操作進行圖像的連通。具體命令為：se=stre

8、l(rectangle,25,25);I4=imclose(I3,se);6、濾波。在前面的一些列操作之后圖像可能會存在多個符合“車牌”要求的區(qū)域或者其他一些干擾信息，我們需要將之排除。濾波操作便可以達到要求。可以使用中值濾波，不過在本次設計總將直接使用bwareaopen函數(shù)對圖像進行濾波操作。7、定位。前面的操作都完了之后最后一步的定位便可以開始了。使用投影判斷法可以精確的得出車牌的具體位置并將之顯示出來。對于有些圖片可能存在車牌傾斜的現(xiàn)象，這里不再做深入研究。在定位過程預留了一些車牌信息空間以便于車牌傾斜的修正。四.程序源代碼源程序代碼及圖形（1）I=imread(yuan.bmp);f

9、igure; subplot(2,2,1);imshow(I);title(原圖);I1=rgb2gray(I);%圖像灰度化subplot(2,2,2);imshow(I1);title(灰度化圖);m2=medfilt2(I1,5,5);subplot(2,2,3);imshow(m2);title(中值濾波);w2=wiener2(I1,5,5);%維納濾波subplot(2,2,4);imshow(w2);title(維納濾波);(2)圖像二值化fmax1=double(max(max(I1);fmin1=double(min(min(I1);level=(fmax1-(fmax1-f

10、min1)/3)/255;bw2=im2bw(I1,level);bw22=double(bw2);figure,imshow(bw22),title(圖像二值化 );(3)圖像算法處理lubo=edge(bw22,log);figure;subplot(2,2,1);imshow(bw2);title(Log算子邊緣檢測);%圖像邊緣檢測 bg1=imclose(lubo,strel(rectangle,1,33);subplot(2,2,2),imshow(bg1);title(圖像閉運算1,33);bg3=imopen(bg1,strel(rectangle,1,33);subplot(

11、2,2,3),imshow(bg3);title(圖像開運算 1,33);bg2=imopen(bg3,strel(rectangle,12,1);subplot(2,2,4),imshow(bg2);title(圖像開15,1);（4）圖像標記L,num = bwlabel(bg2,8);%標注二進制圖像中已連接的部分%Feastats = imfeature(L,basic);%計算圖像區(qū)域的特征尺寸%Area=Feastats.Area;%區(qū)域面積%BoundingBox=Feastats.BoundingBox;%x y width height車牌的框架大小%RGB = label2

12、rgb(L, spring, k, shuffle); %標志圖像向RGB圖像轉(zhuǎn)換figure,imshow(L);title(圖像標記 );%輸出框架的彩色圖像(5)形態(tài)濾波I5=bwareaopen(L,1000);%去除聚團灰度值小于2000的部分figure,imshow(I5),title(形態(tài)濾波后圖像);(6) y,x,z=size(I5);I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x if(I6(i,j,1)=1) Y1(i,1)= Y1(i,1)+1; end end end temp MaxY=max(Y1); figu

13、re(); subplot(3,2,1),plot(0:y-1,Y1),title(行方向像素點灰度值累計和 ),xlabel(行值),ylabel(像素); PY1=MaxY; while (Y1(PY1,1)=50)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Y1(PY2,1)=50)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); X1=zeros(1,x); for j=1:x for i=PY1:PY2 if(I6(i,j,1)=1) X1(1,j)= X1(1,j)+1; end end end subplot(

14、3,2,2),plot(0:x-1,X1),title(列方向像素點灰度值累計和 ),xlabel(列值),ylabel(像數(shù)); PX1=1; while (X1(1,PX1)3)&(PX1x) PX1=PX1+1; end PX2=x; while (X1(1,PX2)PX1) PX2=PX2-1; end PX1=PX1-1; PX2=PX2+1; %分割出車牌圖像%dw=I(PY1:PY2,PX1:PX2,:); subplot(3,2,3),imshow(dw),title(定位剪切后的彩色車牌圖像) if isrgb(dw) II1 = rgb2gray(dw); %將RGB圖像轉(zhuǎn)

15、化為灰度圖像else II1=dw;endg_max=double(max(max( II1);g_min=double(min(min( II1);T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值m,n=size(II1);% d:二值圖像%h=graythresh(I1);II=im2bw(II1,T/256);subplot(3,2,4);imshow(II),title(二值化車牌圖像); I2=bwareaopen(II,20);subplot(3,2,5);imshow(I2),title(形態(tài)學濾波后的二值化圖像); y1,x1,z1=siz

16、e(I2);I3=double(I2);TT=1;%去除圖像頂端和底端的不感興趣的區(qū)域 %Y1=zeros(y1,1); for i=1:y1 for j=1:x1 if(I3(i,j,1)=1) Y1(i,1)= Y1(i,1)+1 ; end end endPy1=1;Py0=1;while (Y1(Py0,1)20)&(Py0=20)&(Py1y1) Py1=Py1+1; endI2=I2(Py0:Py1,:,:);subplot(3,2,6);imshow(I2),title(目標車牌區(qū)域);(7)% 分隔字符按行累計值%X1=zeros(1,x1);for j=1:x1 for i=1:y1 if(I3(i,j,1)=1) X1(1,j)= X1(1,j)+1; end end endfigure;plot(0:x1-1,X1),title(列方向像素點灰度值來計和 ),xlabel(列值),ylabel(累計像素量 ); Px0=1;Px1=1;(8) %分割字符%for i=1:7 while (X1(1,Px