期末课程报告：数字图像中车牌识别的matlab实现.docxVIP

数字图像处理期末课程报告 题 目： 车牌识别的matlab实现 题目类型： 软件型 学 院 信息工程与自动化学院 专 业： 计算机科学与技术 年 级： XXXX 学 号： XXXXXXX 学生姓名： xxx 指导教师： xx 日 期： 2012-6-8 目录摘要：2关键词：2实验工具：2车辆牌照识别流程：2实验内容及步骤31.图像预处理：32.车牌定位——车牌起始位置和终止位置53.图片二值化54.列方向像素点灰度值累计65.字符分割：76.建立字符模板数据库87.归一化训练9结果分析：13摘要：本次课程设计的目的是通过对基于MATLAB的字符识别的研究，以汽车牌照识别的设计为实例，详细介绍字符识别的相关原理。整个汽车牌照识别的过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB软件编程来实现每一个部分，最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。关键词：MATLAB字符识别车牌识别神经网络图像处理实验工具：MATLAB 7.8（R2009a）。车辆牌照识别流程：基于 MATLAB图像处理的汽车牌照识别，主要包括车牌定位、字符车牌分割、和车牌字符识别三个关键环节。流程图如下：其中，原始图像：由数码相机或其它扫描装置拍摄到的图像；（本实验图片由数码相机获得）图像预处理：对动态采集到的图像进行灰度处理、边缘检测、腐蚀、膨胀、滤波、等处理排除图像干扰；车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域，最后得到的便为车牌区域；字符分割：利用投影检测的字符定位分割方法得到单个的字符；字符数据库：构造训练样本数据库，为第6步的字符识别建立字符模板数据库；字符识别：通过基于模板匹配的OCR算法或基于人工神经网络的OCR算法，通过特征对比或训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。实验内容及步骤图像预处理：预处理源代码： I=imread(h:\tuku\car1.jpg);%读取图像 figure(); subplot(3,2,1),imshow(I), title(原始图像); I1=rgb2gray(I);%转化为灰度图像subplot(3,2,2),imshow(I1),title(灰度图像); I2=edge(I1,robert,0.09,both);%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title(边缘检测后图像); se=[1;1;1]; %线型结构元素 I3=imerode(I2,se); %腐蚀图像subplot(3,2,4),imshow(I3),title(腐蚀后边缘图像); se=strel(rectangle,[25,25]); %矩形结构元素I4=imclose(I3,se);%图像聚类、填充图像subplot(3,2,5),imshow(I4),title(填充后图像); I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title(形态滤波后图像);预处理结果截图：行列方向像素值累计值： 源代码：[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); figure(); subplot(3,2,1),plot(0:y-1,Y1),title(行方向像素点灰度值累计和),xlabel(行值),ylabel(像素);运行截图：车牌定位——车牌起始位置和终止位置PY1=MaxY; while ((Y1(PY1,1)=45)(PY11)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)=45)(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 endendsubplot(3,2,2),plot(0:x-1,X1),title(列方向像素点灰度值累计和),xlabel(列值),ylabel(像数);图片二值化代码：if isrgb(DW) I1 = rgb2gray(DW);