数字图像处理车牌识别课程设计matlab实现附源代码
基于matlab的车牌识别系统
一、目的与要求
目的：利用maｔｌaｂ实现车牌识别系统，熟悉matlab应用软件的基础知识,了解了基本程序设计方法,利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离,巩固理论课上知识的同时,加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。
要求:
1。理解各种图像处理方法确切意义。
２。独立进行方案的制定，系统结构设计要合理。
３．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。如果使用mａｔlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。
４、通过多幅不同形式的图像来检测该系统的稳定性和正确性。
二、设计的内容
学习MＡＴLAB程序设计，利用MATLAB函数功能，设计和实现通过设计一个车牌识别系统。车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符,然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出,最终匹配结束则输出则为车牌号码的数字。车牌识别系统的基本工作原理图如图1所下所示：
三、总体方案设计
车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成,其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块.
为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象.但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷,因此需要对原始图象进行识别前的预处理。
牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。
由于拍摄时的光照条件、牌照的整洁程度的影响,和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均,加上牌照上的污斑等缺陷,致使字符提取困难,进而影响字符识别的准确性。因此，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具,将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深,还将车牌中的一个白色的原点抹去,另外还将车牌上的铆钉使用车牌的蓝色背景覆盖,这样分割出的字符更加准确.
车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法.
因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理,所以处理器和内存要求比较高，CPU要求主频在600HＺ及以上，内存在128MB 及以上.系统可以运行于Winｄows7、Windows2000或者Wiｎｄｏws XP操作系统下,程序调试时使用mａｔlａｂＲ20１1a。
四、各个功能模块的主要实现程序
（一)首先介绍代码中主要的函数功能及用法:
1．Ｉmeｒode
功能：对图像实现腐蚀操作，即膨胀操作的反操作。
用法：IM2 = ｉmerodｅ(ＩM,SＥ）?IM２= ｉｍｅrode(IM，NHＯOD)
IM２ = imerode（IM,SE,ＰACＫOPＴ，Ｍ）
IM2 = imerode（.．．,PＡDOPT)?IM2 = imerodｅ（IM,SE) 腐蚀灰度，二值，压缩二值图像ＩＭ，返回IＭ２.参数SＥ为由strｅl函数返回的结构元素或者结构元素对象组。?ＩＭ2 = iｍｅrode（ＩＭ，NHＯＯD）腐蚀图像ＩＭ,这里ＮHOＯD是定义结构元素邻域0和1的矩阵。
IM2 ＝ imerodｅ（..。,PAＤＯＰT)指出输出图像的大小(是否与输入图像大小一致）。2.iｍdiｌａte
功能：对图像实现膨胀操作.
用法：IM2 ＝ｉｍｄilaｔe(IＭ,SE）
IM2 = imdilate（IＭ，NHＯOＤ）
ＩＭ2 ＝ｉmdilaｔe（IM，SＥ，PACKOPT）?IM２＝ imdilatｅ（。.．，PＡDＯＰＴ）?IM ２ = imdilate(IＭ,ＳE) 膨胀灰度,二值，压缩二值图像IM，返回ＩM2。参数SE为由str ｅｌ函数返回的结构元素或者结构元素对象组。
IM２= ｉmｄｉｌatｅ（IM,NHOＯD)膨胀图像IM,这里NHOOＤ是定义结构元素邻域０和1的矩阵。?IM2 = imdiｌate(IM,SE，PＡCKOPT）定义ＩM是否是一个压缩的二值图像。IM2 = ｉmdilａte（。。．,PADOPT)指出输出图像的大小。
3．stｒeｌ?功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象（本论坛随即对膨胀腐蚀等操作进行讲解）。
用法：SＥ = sｔｒｅl（shａpe，paｒａmeterｓ）?创建由指定形状shａｐｅ对应的结构元素。其中shapｅ的种类有
‘arbitraｒy＇，’pair’，'diａｍond＇，'ｐeriodiclｉnｅ’，’ｄｉｓk',＇ｒectangle' ’ｌinｅ＇，＇sqｕarｅ＇，'ｏctａgｏn
参数parameters一般控制SE的大小。?4．eｄge
ＢＷ＝edge（Ｉ）
采用灰度或一个二值化图像Ｉ作为它的输入,并返回一个与I相同大小的二值化图像ＢＷ，
在函数检测到边缘的地方为１，其他地方为０。
ＢW = eｄge(Ｉ，'ｓｏbel'）自动选择阈值用Sobel算子进行边缘检测。?ＢW = ed ｇe(Ｉ,'ｓoｂｅl’,ｔhrｅsh）根据所指定的敏感度阈值thrｅsh，用Sobeｌ算子进行边缘检测，它忽略了所有小于阈值的边缘。当thresｈ为空时，自动选择阈值。
BW = edge（I，’sobｅl＇，ｔhresh，diｒection）根据所指定的敏感度阈值tｈｒesh,在所指定的方向directiｏn上,用Sｏbeｌ算子进行边缘检测。Directｉoｎ可取的字符串值为ｈorｉzｏｎtal(水平方向）、verｔiｃal(垂直方向)或botｈ（两个方向）。?［BW，ｔhresh］ = eｄge(I，＇ｓobｅl',．。.) 返回阈值?BW ＝ eｄge（I，＇prewiｔｔ’）自动选择阈值用prｅｗitｔ算子进行边缘检测.
ＢW = ｅdｇe（Ｉ，'preｗiｔｔ＇，thresh) 根据所指定的敏感度阈值thresｈ，用prewitt 算子进行边缘检测,它忽略了所有小于阈值的边缘。当thresh为空时，自动选择阈值。
BW ＝ eｄgｅ（I，'prewitt’，thｒeｓh,direction）根据所指定的敏感度阈值tｈres ｈ,在所指定的方向directｉon上,用ｐrewitt算子进行边缘检测。Dｉrectｉon可取的字符串值为ｈoriｚonｔal(水平方向)、ｖeｒtical（垂直方向)或boｔｈ(两个方向）默认方向为botｈ。?BＷ = edge（I,’rｏｂerts＇) 自动选择阈值用ｒobｅrts算子进行边缘检测。
ＢW = ｅdｇe（I，'robeｒts’,ｔhresｈ) 根据所指定的敏感度阈值tｈｒesｈ,用Rober ｔｓ算子进行边缘检测，它忽略了所有小于阈值的边缘。当tｈrｅｓh为空时，自动选择阈值。
5.Ｉmclｏｓｅ
功能：对图像实现闭运算，闭运算也能平滑图像的轮廓，但与开运算相反,它一般融合窄的缺口和细长的弯口，去掉小洞,填补轮廓上的缝隙。
用法：IM2 = imcｌose(IＭ，ＳE)?ＩM２ = iｍcｌose（ＩM，NHOOD）
用法和iｍopｅn相同.
6.iｍopｅn
功能：对图像实现开运算,开运算一般能平滑图像的轮廓,消弱狭窄的部分,去掉细的突出。用法：IM2 = iｍopeｎ（IM,SE）?IM2 ＝ imｏpeｎ（IM，ＮHＯOD）?IM2 ＝ imoｐe ｎ（IＭ，ＳＥ)用结构元素SE实现灰度图像或二值图像的IM的形态开运算.SE可以是单
个结构元素对象或者结构元素对象数组。?IM2 = iｍｏpｅn（IM，NHOOＤ）用结构元素strｅl（NＨOOＤ）执行开运算。
7。bｗａｒｅａoｐen
功能：删除小面积对象?格式：?BW2 = ｂｗareａopeｎ（ＢW，P,ｃｏnｎ）
作用：?删除二值图像BW中面积小于P的对象，默认情况下ｃoｎn使用８邻域。
8．tic和toc函数
这两个函数一般配合使用，tic表示计时的开始，tｏc表示计时的结束。
格式如：
tic
任意表达式
ｔoc
t＝tｏc
9。fspｅｃｉal
功能：用于建立预定义的滤波算子,其语法格式为：
h = fｓpecial(ｔype）?h = fspecｉaｌ（ｔｙｐｅ,paｒa)?其中tｙpe指定算子的类型，paｒａ指定相应的参数；?type的类型有：
1、'ａverａge'?aveｒagiｎｇ filtｅr?为均值滤波，参数为ｈｓiｚe代表模板尺寸,默认值为【3，3】。
＇ｄisk＇
ciｒcｕｌａr ａｖeragiｎg filtｅｒ?为圆形区域均值滤波，参数为radius代表区域半径,默认值为5。?＇gauｓsｉan’
Gausｓian ｌowpass ｆilteｒ?为高斯低通滤波，有两个参数，ｈsizｅ表示模板尺寸，默认值为【３ 3】，ｓigma为滤波器的标准值，单位为像素,默认值为0.5。?’prｅwitt＇?Ｐreｗitt hｏｒｉzontaｌｅｄge－emphａsｉzing fｉlｔer
用于边缘增强，大小为【3 3】，无参数?'sｏbel＇
Sobｅl hｏriｚｏntaｌ edge-emｐhaｓizinｇｆiｌter
用于边缘提取,无参数
9. ｆｉlteｒ2
J = fｉlteｒ２（h，Ｉ）；使用指定的滤波器ｈ对Ｉ进行滤波，结果保存在J中
10.bwaｒｅａ
函数功能：计算二值图像中对象的总面积。
调用格式：
total = ｂｗarea（ＢW)
估算二值图像ＢW中对象的总面积。返回的tｏtaｌ是一个标量, 它的值大致地反映了和图像中on像素的个数。由于对于不同像素类型，度量标准不同，因此结果可能并不十分精确.BW可以是数值类型（整型、浮点型）或者逻辑类型.对于数值类型，像素值不为0被视为oｎ。返回值tｏtal是ｄouｂｌe类型的。
11．ｓｕm
功能：函数求和
sum（x，2)表示矩阵x的横向相加，求每行的和,结果是列向量.?而缺省的sum(ｘ）就是竖向相加，求每列的和，结果是行向量。
A〉0的结果是得到一个逻辑矩阵，大小跟原来的A一致,
A中大于零的元素的位置置为1，小于等于零的位置置为0。
所以横向求和以后,就是求A中每行大于零的元素个数。
１２.rounｄ
功能：四舍五入
调用格式：Y = rｏund（X）
在matlaｂ中roｕｎd也是一个四舍五入函数。
（二)对汽车图像进行图像转换、图像增强和边缘检测等。
1．载入车牌图像:
I=imreaｄ(’caｒ1.jpg'）;
ｆiguｒe(1)，imshｏw（Ｉ）；tiｔｌe（＇oｒｉginal image’);％将车牌的原图显示出来，结果如下:
２．将彩图转换为灰度图并绘制直方图:
I１=rgb2gray（I）;％将彩图转换为灰度图
figure(2），subｐlｏt(1，2,1），imｓhow(Ｉ１）；ｔｉtｌe（＇gray imａge＇）;
fｉｇure(2)，subplot(1,２,2)，imｈiｓt(I1);titlｅ(’灰度图直方图＇）；％绘制灰度图的直方图
结果如下所示：
３. 用robeｒts算子进行边缘检测：
Ｉ2=edｇe（I１，＇roberｔs’,0。１8，'both'）；％选择阈值０．１8，用rｏberｔs算子进行边缘检测
ｆiｇure(3),imshoｗ(I２)；titlｅ(’robeｒｔs opeｒator ｅｄｇe detectｉon ｉmag ｅ＇）；
结果如下:
４.图像实施腐蚀操作:
ｓｅ=[1;1；1］；
I3=imeｒode（I2，se）；％对图像实施腐蚀操作,即膨胀的反操作
fiｇｕre（4）,ｉｍsｈｏw（I3）;tｉｔle('cｏｒrｏsion imａge’)；
5．平滑图像
se=stｒel(＇reｃtangｌｅ',［2５,25]）;％构造结构元素以正方形构造一个se I4＝imclose（I3,ｓe)；%图像聚类、填充图像
figｕｒe(5）,iｍshow(I４）;ｔiｔle（’smoｔｈing iｍaｇe'）；?
结果如下所示:
6。删除二值图像的小对象
I5=bwａreaopen(I4，20０0)；%去除聚团灰度值小于2０00的部分
figurｅ（６),imshow(I5);tｉtle（'remove tｈｅ smalｌ obｊects＇);％用iｍsho ｗ函数显示滤波后图像
结果如下所示:
(三）车牌定位
[y,x，z］＝ｓｉｚｅ（I5)；%返回I５各维的尺寸，存储在x,y，z中
ｍyＩ=doubｌｅ(I5);％将I5转换成双精度
ｔic ％tiｃ表示计时的开始，tｏc表示计时的结束
Bluｅ_y=zeros（y,1）;％产生一个ｙ＊１的零阵
foｒｉ=1：ｙ
foｒ j＝1：x
iｆ（myI(i，j，1）==1)
％如果ｍｙＩ(i,j,1)即mｙＩ的图像中坐标为（i，j)的点值为1，即该点为车牌背景颜色蓝色
%则Blｕe_y（i，1)的值加１
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为向量yeｌloｗ＿y的元素中的最大值，MaｘY为该值的索引 PY１=MａｘY；
ｗhiｌe ((Bｌｕe_y（ＰY1,1）>=５）＆&(ＰＹ1＞1）)
PY1=ＰY１—１；
end
PY2=ＭaｘＹ;
wｈiｌe （(Blｕe_ｙ(ＰY2，1）〉=５)&＆(PY2 PY2=PY２+1； enｄ ＩＹ＝I（ＰＹ1:PY２，:，：）； ％行方向车牌区域确定 %%%％%% 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 ｉf（myＩ(i,j,1）==1） Ｂlue_x（１，j)= Ｂlue＿x（1，j）+1； eｎｄ end enｄ ＰX１=1； whiｌｅ（(Blｕｅ_x（1，PX1）〈3)＆＆(ＰX1〈ｘ）） PX1=PX1＋1; enｄ PX2＝x; whｉlｅ（（Blue_x（1，PX2）〈3)&&(ＰX2>PＸ1）） PＸ２=PX2-１；