基于數(shù)字圖像處理的車(chē)牌識(shí)別本科

1、本科生畢業(yè)論文（設(shè)計(jì)題目:基于數(shù)字圖像處理的車(chē)牌識(shí)別設(shè)計(jì)姓名：周金鑫學(xué)院：數(shù)理與信息工程學(xué)院專(zhuān)業(yè)：電子信息工程班級(jí)：111學(xué)號(hào)：1665110130指導(dǎo)教師：劉純利職稱(chēng)：教授2014年12月24日安徽科技學(xué)院教務(wù)處制目錄TOC o 1-5 h z摘要3關(guān)鍵詞3 HYPERLINK l bookmark2 1、設(shè)計(jì)目的3 HYPERLINK l bookmark4 2、設(shè)計(jì)原理:3 HYPERLINK l bookmark6 3、設(shè)計(jì)步驟:34、實(shí)行方案44.1.總體實(shí)行方案:44.2.各模塊的實(shí)現(xiàn):44.2.1輸入待處理的原始圖像:44.2.2圖像的灰度化并繪制直方圖:5 HYPERLINK

2、l bookmark12 4.2.3邊緣檢測(cè)6 HYPERLINK l bookmark14 4.2.4圖像的腐蝕操作：74.2.5平滑圖像8 HYPERLINK l bookmark18 4.2.6除去二值圖像的小對(duì)象8 HYPERLINK l bookmark20 4.3車(chē)牌定位94.4字符的分割與識(shí)別11 HYPERLINK l bookmark22 4.4.1.車(chē)牌的再處理114.4.2字符分割13 HYPERLINK l bookmark26 4.5車(chē)牌識(shí)別：17 HYPERLINK l bookmark28 5、總結(jié):206、致謝20 HYPERLINK l bookmark30

3、7、參考文獻(xiàn):21基于數(shù)字圖像處理的車(chē)牌識(shí)別設(shè)計(jì)電子信息工程專(zhuān)業(yè)學(xué)生周金鑫指導(dǎo)教師劉純利摘要：車(chē)牌識(shí)別在人類(lèi)社會(huì)交通系統(tǒng)中擔(dān)當(dāng)重要角色，一個(gè)設(shè)計(jì)優(yōu)良的車(chē)牌識(shí)別系統(tǒng)會(huì)給人們生活帶來(lái)極大的方便，本文通過(guò)運(yùn)用matlab和數(shù)字圖像處理的一些知識(shí)簡(jiǎn)單通過(guò)圖像預(yù)處理，車(chē)牌定位，字符分割，采用模板匹配法實(shí)現(xiàn)車(chē)牌字符的識(shí)別。關(guān)鍵詞：圖像預(yù)處理邊緣處理字符分割字符識(shí)別1、設(shè)計(jì)目的車(chē)牌識(shí)別系統(tǒng)主要是為了辨別所拍圖片中的車(chē)牌部分，以此識(shí)別車(chē)輛。通過(guò)車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)，來(lái)實(shí)現(xiàn)經(jīng)過(guò)我校西大門(mén)的車(chē)輛的識(shí)別。2、設(shè)計(jì)原理:設(shè)計(jì)的原理主要如下圖所示：3、設(shè)計(jì)步驟:流程圖如下:4、實(shí)行方案4.1.總體實(shí)行方案:用攝像機(jī)獲取自

4、然環(huán)境下的汽車(chē)彩色圖像，將彩色圖像用matlab軟件處理成灰度圖像并繪制直方圖，然后進(jìn)行邊緣檢測(cè)圖像的腐蝕，平滑圖像以及去除二值圖像的小對(duì)象等操作，再進(jìn)行車(chē)牌的定位和字符分割與識(shí)別最終達(dá)到識(shí)別車(chē)牌照的目的。4.2.各模塊的實(shí)現(xiàn)：4.2.1輸入待處理的原始圖像：I=imread(car.jpg);imshow(I);%顯示車(chē)牌的原始圖片，結(jié)果如下：核A5AN66圖4.2.1原始圖像picturel4.2.2圖像的灰度化并繪制直方圖:彩色圖像的存儲(chǔ)器所需的成本高，且減緩系統(tǒng)的速度執(zhí)行，所以，在圖像識(shí)別處理彩色圖像一般都轉(zhuǎn)換成灰度圖像，以加快圖像信息的處理速度。從彩色圖像到灰度圖像的轉(zhuǎn)換叫做灰度處理

5、?；叶戎狈綀D的橫坐標(biāo)代表圖片的像素?cái)?shù)，從左到右由暗到亮，灰度直方圖的縱軸就表示其所占有圖片的面積，峰值越低就意味著該明暗值的像素?cái)?shù)量越少，從圖4.2.2可以看出峰值最高的即為車(chē)牌區(qū)域。Il=rgb2gray(I);%灰度處理subplot(l,2,l),imshow(Il);title(grayimage);subplot(l,2,2),imhist(Il);title(灰度圖直方圖);%繪制灰度圖和直方圖顯示結(jié)果圖像如下：!KB汀叵H曲l/匹弐連M電S灰度團(tuán)直方團(tuán)1C02G0圖4.2.2灰度化并繪制直方圖picture24.2.3邊緣檢測(cè)邊緣是一定存在在兩個(gè)擁有不一樣灰度值的相鄰的區(qū)域之間的

6、，是灰度值不連續(xù)的一種表現(xiàn)，也是分割圖象、紋理和形狀特征提取等圖像分析的基礎(chǔ)。本文用Roberts算子來(lái)實(shí)現(xiàn)邊緣檢測(cè)，他是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結(jié)果邊緣不是很平滑，當(dāng)然還需要后續(xù)的腐蝕，平滑圖像以及去除二值圖像的小對(duì)象操作來(lái)提高精度。由于閾值越小檢測(cè)的邊緣越豐富，結(jié)合選取的灰度圖選擇閾值為0.16較為合適。用roberts算子實(shí)行邊緣檢測(cè)：I2=edge(I1,roberts,0.16,both);imshow(I2);title(robertsoperatoredgedetectionimage)；結(jié)果如下：*rdnYrttaTcDMliWfiWnd=

7、5)&(PY11)PY1=PY1-1;endPY2=MaxY;while(Blue_y(PY2,1)=5)&(PY2y)PY2=PY2+1;endIY=I(PY1:PY2,:,:);%行方向車(chē)牌區(qū)域確定%X方向%Blue_x=zeros(l,x);%x車(chē)牌區(qū)域方向的再判斷forj=1:xfori=PY1:PY2if(myI(i,j,1)=1)Blue_x(1,j)=Blue_x(1,j)+1;endendendPX1=1;while(Blue_x(1,PX1)3)&(PX1x)PX1=PX1+1;endPX2=x;while(Blue_x(1,PX2)PX1)PX2=PX2-1;endPX1=

8、PX1-1;%車(chē)牌區(qū)域校正PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;subplot(1,2,1),imshow(IY),title(Linedirectionareas);%車(chē)牌行方向區(qū)域的確定subplot(l,2,2),imshow(dw),title(positioningcolorimages);%車(chē)牌已經(jīng)定位后的區(qū)域顯示如下：圖4.3.1車(chē)牌的定位picture744字符的分割與識(shí)別4.4.1.車(chē)牌的再處理劃分彩色圖像需經(jīng)過(guò)灰度變換，二值化，均值濾波，腐蝕和膨脹到一個(gè)字符，并對(duì)分割字符進(jìn)二值化、歸一化等圖像預(yù)處理使車(chē)牌圖像的車(chē)牌號(hào)字符分割構(gòu)成

9、隔離，然后分析識(shí)別已經(jīng)分割字符識(shí)的圖像并用文本的車(chē)牌號(hào)的形式呈現(xiàn)出來(lái)。代碼顯示如下：imwrite(dw,dw.jpg);%把彩色車(chē)牌寫(xiě)入dw文件里a=imread(dw.jpg);%讀取車(chē)牌文件數(shù)據(jù)b=rgb2gray(a);%把車(chē)牌圖像變換為灰度圖imwrite(b,graylicenceplate.jpg);%把灰度圖像寫(xiě)入文件里subplot(3,2,1),imshow(b),title(車(chē)牌灰度圖像)g_max=double(max(max(b);g_min=double(min(min(b);T=round(g_max-(g_max-g_min)/3);%T表示二值化的閾值m,n=

10、size(b);d=(double(b)=T);%d:二值圖像imwrite(d,binarylicenceplate.jpg);subplot(3,2,2),imshow(d),title(beforefilteringbinarylicenceplate)%均值濾波之前%濾波h=fspecial(average,3);%模板的尺寸：3*3,average:均值濾波，建立濾波算子d=im2bw(round(filter2(h,d);%用指定的濾波器h然后對(duì)其均值濾波即進(jìn)行dimwrite(d,afteraveragelicenceplate.jpg);subplot(3,2,3),imsho

11、w(d),title(afteraveragelicenceplate)%操作某些圖象%膨脹或腐蝕%se=strel(square,3);%圖片膨脹處理%line/diamond/ball.se=eye(2);%eye(n)returnsthen-by-nidentitymatrix單位矩陣m,n=size(d);ifbwarea(d)/m/n=0.36d=imerode(d,se);%假如大于0.36即圖像進(jìn)行腐蝕elseifbwarea(d)/m/n=0.23d=imdilate(d,se);%假如小于即實(shí)現(xiàn)膨脹操作endimwrite(d,expansionorcorrosionthel

12、icenceplate.jpg);subplot(3,2,4),imshow(d),title(expansionorcorrosionthelicenceplate)；運(yùn)行結(jié)果顯示如下：圖4.4.1字符分割與識(shí)別picture8442字符分割字符分割就是把已經(jīng)定位好的車(chē)牌區(qū)域上的字符分別提取出來(lái)，我們知道中國(guó)的車(chē)牌上字符之間是存在間隙的，就是利用這個(gè)間隙來(lái)實(shí)現(xiàn)我們對(duì)定位區(qū)域的車(chē)牌分割，通過(guò)搜索連續(xù)在一起的字符塊，若長(zhǎng)度高于某一閾值，則為兩個(gè)字符組成，要分割，對(duì)分割好的字符再進(jìn)行歸一化的處理。%搜索連續(xù)在一起的字符塊，若長(zhǎng)度高于某一閾值，則為兩個(gè)字符組成，要分割，對(duì)分割建立子函數(shù)qiege、g

13、etword，調(diào)用子程序，分割車(chē)牌字符并做歸一化的處理d=qiege(d);m,n=size(d);subplot(3,2,5),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;whilej=nwhiles(j)=0j=j+1;endk1=j;whiles(j)=0&j=round(n/6.5)val,num=min(sum(d(:,k1+5:k2-5);d(:,k1+num+5)=0;%分割車(chē)牌字符endend%進(jìn)一步切割d=qiege(d);%切割出7七個(gè)字符y1=10;y2=0.25;flag=0;word1=;whileflag=0m,n=size(d

14、);left=1;wide=0;whilesum(d(:,wide+1)=0wide=wide+1;endifwidey2flag=1;word1=temp;%WORD1endd(:,1:wide)=0;d=qiege(d);endend%分割出第二個(gè)字符word2,d=getword(d);%分割出第三個(gè)字符word3,d=getword(d);%分割出第四個(gè)字符word4,d=getword(d);%分割出第五個(gè)字符word5,d=getword(d);%分割出第六個(gè)字符word6,d=getword(d);%分割出第七個(gè)字符word7,d=getword(d);subplot(2,7,1

15、),imshow(word1),title(1);subplot(2,7,2),imshow(word2),title(2);subplot(2,7,3),imshow(word3),title(3);subplot(2,7,4),imshow(word4),title(4);subplot(2,7,5),imshow(word5),title(5);subplot(2,7,6),imshow(word6),title(6);subplot(2,7,7),imshow(word7),title(7);m,n=size(word1);%取40*20為歸一化大小，如下word1=imresize(

16、word1,4020);word2=imresize(word2,4020);word3=imresize(word3,4020);word4=imresize(word4,4020);word5=imresize(word5,4020);word6=imresize(word6,4020);word7=imresize(word7,4020);subplot(2,7,8),imshow(word1),title(1);subplot(2,7,9),imshow(word2),title(2);subplot(2,7,10),imshow(word3),title(3);subplot(2,7

17、,11),imshow(word4),title(4);subplot(2,7,12),imshow(word5),title(5);subplot(2,7,13),imshow(word6),title(6);subplot(2,7,14),imshow(word7),title(7);imwrite(word1,1.jpg);imwrite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);imwrite(word6,6.jpg);imwrite(word7,7.jpg);運(yùn)行結(jié)果顯示如下

18、：LJJB9f斗FW*P-口U33圖4.4.2字符分割picture94.5車(chē)牌識(shí)別：在此采用相減的模板匹配法來(lái)判斷字符和模板中哪一個(gè)字符最接近，再找到相似度最高的字符作為輸出結(jié)果。通常車(chē)輛牌照的字符有7個(gè)，一般第一位是漢字，表示車(chē)輛所屬的省份，而后的為字母和數(shù)字。車(chē)牌字符的識(shí)別較一般文字識(shí)別要簡(jiǎn)單些，主要是它的字符數(shù)是有限的，漢字一共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。出于實(shí)驗(yàn)運(yùn)算方便的考慮，本文僅建立了7個(gè)漢字26個(gè)字母與10個(gè)數(shù)字的模板。其他的模板算法與之相同。第一步取字符模板，第二步依次取待識(shí)別字符與模板進(jìn)行匹配，第三步將選中的字符與模板字符相減，得到的零越多也即就越匹配。第四

19、步每一幅相減后的圖的零值的個(gè)數(shù)都要保存，并作為識(shí)別出來(lái)的結(jié)果。識(shí)別的流程圖顯示如下：源代碼顯示如下：liccode=char(0:9A:Z皖豫蘇魯京滬津);%建立自動(dòng)識(shí)別字符代碼表SubBw2=zeros(40,20);l=1;forI=1:7ii=int2str(I);t=imread(ii,.jpg);SegBw2=imresize(t,4020,nearest);SegBw2=double(SegBw2)20;ifl=1%第一位漢字的識(shí)別kmin=37;kmax=43;elseifl=2%第二位AZ字母的識(shí)別kmin=11;kmax=36;elsel=3%第三位后面識(shí)別字母或數(shù)字kmin

20、=1;kmax=36;endfork2=kmin:kmaxfname=strcat(字符模板,liccode(k2),.jpg);SamBw2=imread(fname);SamBw2=double(SamBw2)1;fori=1:40forj=1:20SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);endend%2張圖相減得到第3張圖Dmax=0;fork1=1:40forl1=1:20if(SubBw2(k1,l1)0|SubBw2(k1,l1)0)Dmax=Dmax+l;endendendError(k2)=Dmax;endErrorl=Error(kmin:km

21、ax);MinError=min(Errorl);findc=find(Errorl=MinError);Code(l*2-l)=liccode(findc(l)+kmin-l);Code(l*2)=;1=1+1;endpicture(10),imshow(dw),tit1e(車(chē)牌號(hào)碼:,Code,Co1or,b);FilsEditViewInsertToolsDe-skt&pWindowHe-lpH耄脅遍型銘k盤(pán)Qg圖4.5.1車(chē)牌識(shí)別picture105、總結(jié):實(shí)驗(yàn)對(duì)車(chē)牌識(shí)別系統(tǒng)的識(shí)別主要依靠的工具是matlab軟件編程，分別從圖像預(yù)處理、車(chē)牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分

22、析。從本設(shè)計(jì)用MATLAB編程運(yùn)行結(jié)果可以得出，對(duì)于一張自然環(huán)境下牌照照片進(jìn)過(guò)本設(shè)計(jì)采用的圖像預(yù)處理、roberts算子進(jìn)行邊緣檢測(cè)、刪除二值圖像的小對(duì)象、車(chē)牌識(shí)別等對(duì)車(chē)牌的定位都是非常有效的。經(jīng)過(guò)這段時(shí)間的不斷努力我的畢業(yè)設(shè)計(jì)終于搞定了。當(dāng)你踏踏實(shí)實(shí)完成畢業(yè)設(shè)計(jì)時(shí)你會(huì)發(fā)現(xiàn)他不僅可以檢驗(yàn)前面所學(xué)知識(shí)，而且也可以提高對(duì)自己的自學(xué)能力。通過(guò)這次的畢業(yè)論文設(shè)計(jì)讓我對(duì)matlab軟件的認(rèn)識(shí)和對(duì)數(shù)字圖像處理的相關(guān)知識(shí)有了較深的理解，讓我了解到知識(shí)的學(xué)習(xí)是一步一個(gè)腳印，學(xué)習(xí)不僅要靠之間的努力專(zhuān)研，還學(xué)要虛心求教，有什么不懂不會(huì)的不能鉆牛角尖，多和同學(xué)和老師進(jìn)行交流，在老師的悉心指導(dǎo)下我學(xué)起知識(shí)那是非常的迅速，有時(shí)問(wèn)題理解不過(guò)來(lái)往往是某個(gè)知識(shí)點(diǎn)不會(huì)活著不理解，一擔(dān)有人在旁稍微指導(dǎo)一下就會(huì)豁然開(kāi)朗。這次畢業(yè)設(shè)計(jì)讓我自己的學(xué)習(xí)更