车牌识别程序.docVIP

clear clc; tic %计时器 Init=imread(gh.jpg); Im=rgb2gray(Init); figure,imhist(Im),title(直方图) figure,imshow(Im) , title(灰度图像 ) [x,y]=size(Im); % 求出图象大小 b=double(Im); zd=double(max(max(Im))) % 求出图象中最大的灰度 zx=double(min(min(Im))) % 最小的灰度 T=double((zd+zx))/2; % T赋初值，为最大值和最小值的平均值 count=double(0); % 记录几次循环 while 1 % 迭代最佳阈值分割算法 count=count+1; S0=0.0; n0=0.0; %为计算灰度大于阈值的元素的灰度总值、个数赋值 S1=0.0; n1=0.0; %为计算灰度小于阈值的元素的灰度总值、个数赋值 for i=1:x for j=1:y if double(Im(i,j))=T S1=S1+double(Im(i,j)); %大于阈域值图像点灰度值累加 n1=n1+1; %大于阈域值图像点个数累加 else S0=S0+double(Im(i,j)); %小于阈域值图像点灰度值累加 n0=n0+1; %小于阀域值图像点个数累加 end end end T0=S0/n0; %求小于阀域值均值 T1=S1/n1; %求大于阀域值均值 if abs(T-((T0+T1)/2))0.1 %迭代至 前后两次阀域值相差几乎为0时停止 break; else T=(T0+T1)/2; %在阈值T下，迭代阈值的计算过程 end end count %显示运行次数 T %显示最佳阈值 算出T toc i1=im2bw(Im,T/255); % 图像在最佳阈值下二值化 figure,imshow(i1) imwrite(i1,D:\pp.jpg) 第二步（边缘检测（以canny算子为例））： im=imread(pp.jpg); figure imshow(im); BW=im2bw(im); I=double(BW); BW1 = edge(I,canny,0.2); figure(1); imshow(I); figure(2); imshow(BW1); imwrite(BW1,D:\pp2.jpg) 第三步（局部阈值）： clear; img=imread(pp2.jpg); subimg1=img(1:216,1:135); %将原图像平均分为四个子图像 subimg2=img(1:216,136:269); subimg3=img(217:431,1:135); subimg4=img(217:431,136:269); I=subimg1; fxy = imhist(I, 256); %统计每个灰度值的个数 figure; plot(fxy); %画出灰度直方图 [x,y]=size(I); b=double(I); zd=double(max(max(I))) % 求出图象中最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2; % T赋初值，为最大值和最小值的平均值 count=double(0); % 记录几次循环 while 1 % 迭代最佳阈值分割算法 count=count+1; S0=0.0; n0=0.0; %为计算灰度大于阈值的元素的灰度总值、个数赋值 S1=0.0; n1=0.0; %为计算灰度小于阈值的元素的灰度总值、个数赋值 for i