机器视觉实验四 车牌识别
2024-06-03 17:58:36
【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:numwidth=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:lxl=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:hightif histrow(k)<=levelrow count1=count1+1; else if count1>=1markrow(l)=k;markrow1(l)=count1;l=l+1;endcount1=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:n1markrow3(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) ~= maxwysite=1;k1=1;for l=1:n2for k=1:markrow3(ysite)if sbw1(k,l)==1xdata(k1)=l;ydata(k1)=k;k1=k1+1;break;endendend
else ysite=n1;if markrow4(n1) ==0if markrow4(n1-1) ==maxwysite= 0; elseysite= n1-1;endendif ysite ~=0k1=1;for l=1:n2k=m2;while k>=markrow(ysite) if sbw1(k,l)==1xdata(k1)=l;ydata(k1)=k;k1=k1+1;break;endk=k-1;endendend
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:widthif histcol(k)<=levelcol count1=count1+1;else if count1>=1markcol(l)=k;markcol1(l)=count1; l=l+1;endcount1=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:n1markcol3(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+5cleft=markcol5(k)-maxwidth/2;cright=markcol5(k)+maxwidth/2-2;if cleft<1cleft=1;cright=maxwidth;endif cright>n2cright=n2;cleft=n2-maxwidth;endSegGray=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==7title(['车牌字符宽度： ',int2str(maxwidth)],'Color','r');endsubplot(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('disk',13);%strel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
%用原始图像与背景图像作减法，增强图像
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
%Step3 取得最佳阈值，将图像二值化
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)/2)/394;%获得最佳阈值 380改
bw22=im2bw(Egray,level);%转换图像为二进制图像
bw2=double(bw22);
%Step4 对得到二值图像作开闭操作进行滤波
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
%Step5 对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌区域
[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:numwidth=BoundingBox((l-1)*4+3);%框架宽度的计算hight=BoundingBox((l-1)*4+4);%框架高度的计算if (width>98 & width<160 & hight>25 & hight<50)%框架的宽度和高度的范围160 50lx=lx+1;Getok(lx)=l;end
end
for k= 1:lxl=Getok(k); startcol=BoundingBox((l-1)*4+1)-2;%开始列startrow=BoundingBox((l-1)*4+2)-2;%开始行width=BoundingBox((l-1)*4+3)+8;%车牌宽 8改hight=BoundingBox((l-1)*4+4)+2;%车牌高 2改rato=width/hight;%计算车牌长宽比if rato>2 & rato<4 break;end
end
startrow=BoundingBox((l-1)*4+2)-2;%开始行
startcol=BoundingBox((l-1)*4+1)-2;%开始列zz
sbw1=bw2(startrow:startrow+ hight,startcol:startcol+width-1);
subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%获取车牌灰度子图
figure,subplot(2,1,1),imshow(subcol1);title('车牌灰度子图');%输出灰度图
subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出车牌的二值图
%Step6 计算车牌水平投影，并对水平投影进行峰谷分析
histcol1=sum(sbw1); %计算垂直投影
histrow=sum(sbw1'); %计算水平投影
figure,subplot(2,1,1),bar(histcol1);title('垂直投影(含边框)');%输出垂直投影
subplot(2,1,2),bar(histrow); title('水平投影(含边框)');%输出水平投影
figure,subplot(2,1,1),bar(histrow); title('水平投影(含边框)');%输出水平投影
subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图
%对水平投影进行峰谷分析
meanrow=mean(histrow);%求水平投影的平均值
minrow=min(histrow);%求水平投影的最小值
levelrow=(meanrow+minrow)/2;%求水平投影的平均值
count1=0;
l=1;
for k=1:hightif histrow(k)<=levelrow count1=count1+1; else if count1>=1markrow(l)=k;%上升点markrow1(l)=count1;%谷宽度(下降点至下一个上升点)l=l+1;endcount1=0;end
end
markrow2=diff(markrow);%峰距离(上升点至下一个上升点)
[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:n1markrow3(k)=markrow(k+1)-markrow1(k+1);%下降点markrow4(k)=markrow3(k)-markrow(k);%峰宽度(上升点至下降点)markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置
end
%Step7 计算车牌旋转角度
%(1)在上升点至下降点找第一个为1的点
[m2,n2]=size(sbw1);%sbw1的图像大小
[m1,n1]=size(markrow4);%markrow4的大小
maxw=max(markrow4);%最大宽度为字符
if markrow4(1) ~= maxw%检测上边ysite=1;k1=1;for l=1:n2for k=1:markrow3(ysite)%从顶边至第一个峰下降点扫描if sbw1(k,l)==1xdata(k1)=l;ydata(k1)=k;k1=k1+1;break;endendend
else %检测下边ysite=n1;if markrow4(n1) ==0if markrow4(n1-1) ==maxwysite= 0; %无下边elseysite= n1-1;endendif ysite ~=0k1=1;for l=1:n2k=m2;while k>=markrow(ysite) %从底边至最后一个峰的上升点扫描if sbw1(k,l)==1xdata(k1)=l;ydata(k1)=k;k1=k1+1;break;endk=k-1;endendend
end
%(2)线性拟合，计算与x夹角
fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2
p1=fresult.p1;
angle=atan(fresult.p1)*180/pi; %弧度换为度，360/2pi, pi=3.14
%(3)旋转车牌图象
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
%Step8 旋转车牌后重新计算车牌水平投影，去掉车牌水平边框，获取字符高度
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)');
%去水平(上下)边框,获取字符高度
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)
%Step9 计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度
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);%求垂直投影的平均值
mincol=min(histcol);%求垂直投影的平均值
levelcol=(meancol+mincol)/4;%求垂直投影的1/4
count1=0;
l=1;
for k=1:widthif histcol(k)<=levelcol count1=count1+1;else if count1>=1markcol(l)=k; %字符上升点markcol1(l)=count1; %谷宽度(下降点至下一个上升点)l=l+1;endcount1=0;end
end
markcol2=diff(markcol);%字符距离(上升点至下一个上升点)
[m1,n1]=size(markcol2);
n1=n1+1;
markcol(l)=width;
markcol1(l)=count1;
markcol2(n1)=markcol(l)-markcol(l-1);
%Step10 计算车牌上每个字符中心位置，计算最大字符宽度maxwidth
l=0;
for k=1:n1markcol3(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
%Step11 提取分割字符,并变换为22行?14列标准子图
l=1;
[m2,n2]=size(subcol);
for k=findmax-1:findmax+5cleft=markcol5(k)-maxwidth/2;cright=markcol5(k)+maxwidth/2-2;if cleft<1cleft=1;cright=maxwidth;endif cright>n2cright=n2;cleft=n2-maxwidth;endSegGray=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==7title(['车牌字符宽度： ',int2str(maxwidth)],'Color','r');endsubplot(2,n1,n1+l),imshow(SegBw2); fname=strcat('D:\Program Files\MATLAB\R2009a\work\syan4\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
实验结果
本人能力有限，解释尚不清楚明了，如遇任何问题，大家可留言或私信。部分程序为实验老师提供源代码，供大家学习使用。
本文希望对大家有帮助，当然上文若有不妥之处，欢迎指正。
分享决定高度，学习拉开差距
机器视觉实验四 车牌识别相关推荐
- halcon机器视觉玩转车牌识别-超人视觉罗超
本人超人视觉-罗超: 大家好,直接上干货.本人将从哲学和技术结合的全新视角来理解,我的整个学习视觉的思想套路都是从哲学世界观来展示,下面我将逐步从我的第一篇博客开始给大家展示.首先我们要对一个机器视觉 ...
- 【愚公系列】2023年04月 Halcon机器视觉-基于Halcon车牌识别
文章目录 前言 1.Halcon是什么 2.车牌识别 3.车牌识别系统 一.基于Halcon车牌识别 1.车牌识别的流程 二.车牌识别前预处理 三.开始车牌识别 四.识别车牌上面的中文 1.处理需要识 ...
- 毕设-python 卷积神经网络 机器视觉 目标检测 车牌识别 - opencv 深度学习 机器学习
文章目录 前言 一 课题背景 二 效果演示 2.1 图片检测识别 2.2视频检测识别 三 车牌检测与识别 四 HyperLPR库 4.1 简介 4.2 特点 4.3 HyperLPR的检测流程 4.4 ...
- 机器视觉实验四： 为人脸添加装饰物特效实验（OpenCV-python代码）
一. 实验目的 用OpenCV编写一个程序能检测出给定图像中的人脸,并能给人脸添加一些装饰特效,比如给人脸加上戴眼镜或带口罩或戴帽子等装饰物. 二.实验要求 1.用OpenCV编写一个程序能检测出给定 ...
- 机器视觉毕业设计 python车牌识别系统 - opencv 深度学习 机器学习
# 1 前言
- 机器视觉——车牌识别实验汇总
文章目录 前言 一.车牌识别背景资料简介 二.实现车牌识别步骤 1.图像采集(Image Correction) 2.角度修正(Angle Correction) 3.字符分割 第一次分割 4.车牌定 ...
- 汽车车牌识别系统实现（四）--字符识别+代码实现
字符识别 一.字符识别算法的实现 车牌字符识别是车牌识别中的最后一步,也是决定车牌识别成功与否的关键步骤.字符识别是对经过车牌定位.车牌纠正和车牌字符划分后得到的各个车牌字符进行识别的过程.字符识别利 ...
- halcon机器视觉之玩转车牌识别-超人视觉罗超
本人超人视觉-罗超: 大家好,直接上干货.本人将从哲学和技术结合的全新视角来理解,我的整个学习视觉的思想套路都是从哲学世界观来展示,下面我将逐步从我的第一篇博客开始给大家展示.首先我们要对一 ...
- 毕业设计 - 题目：基于机器视觉的图像矫正 (以车牌识别为例) - 图像畸变校正
文章目录 0 简介 1 思路简介 1.1 车牌定位 1.2 畸变校正 2 代码实现 2.1 车牌定位 2.1.1 通过颜色特征选定可疑区域 2.1.2 寻找车牌外围轮廓 2.1.3 车牌区域定位 2. ...
最新文章
- IT民工系列——c#操作Microsoft IE，实现自动登录吧！
- python【数据结构与算法】树状数组（附例题）
- 混合云计算应用中小企业市场前景看好
- Spring常见面试题
- 后端技术：SpringBoot 中实现跨域的5种方式
- 今天学习Flex3.2嵌入图片，值得说道的是如何嵌入scale-9 缩放的图像
- python我的世界给予物品指令_我的世界指令给予物品 我的世界指令给予物品是多少...
- linux部署Oracle数据库--安装篇
- PHP 数据库中的模糊查询
- matlab 计算图像的基本参数
- [IT名人堂]《人件》作者：汤姆.迪马可
- android设置个性桌面,打造小清新手机 安卓桌面 美化全教程
- 2022年四川二级建造师建设工程法规及相关知识《解决建设工程纠纷法律制度》练习及答案
- 第7章第32节：五图排版：五张图片并列排版 [PowerPoint精美幻灯片实战教程]
- 派森学python_2019 年 1月 26 日 随笔档案 - 派森学python - 博客园
- 倾城北栀：4.30日晚间行情分析以及操作策略
- 怎么让上下两排对齐_如何快速调整WORD里上下两行名字对齐 - 卡饭网
- 如何用 MacBook 提高工作效率 【配置篇】
- 初次组装台式机-618自营-装机配置单-3000价位中上普通家用型主机
- STM32+收发器实现CAN和485总线