汽车牌照定位与字符识别的程序及理论.docVIP

二、汽车牌照定位与字符识别 待处理的图像如下所示。图像整体比较清晰干净，车牌方向端正，字体清楚，与周围颜色的反差较大。 要定位汽车牌照并识别其中的字符，我们采用Matlab平台提供的一些图像处理函数,以傅立叶变换通过字符模板与待处理的图像匹配为核心思想。基本方法如下： 1、读取待处理的图像，将其转化为二值图像。经试验，采用门限值为0.2附近时车牌字符最为清楚，杂点最少（如下左图）。 I = imread(car.jpg); I2 = rgb2gray(I); I4 = im2bw(I2, 0.2); 2、去除图像中面积过小的，可以肯定不是车牌的区域。 bw = bwareaopen(I4, 500); 3、为定位车牌，将白色区域膨胀，腐蚀去无关的小物件，包括车牌字符（如下右图）。 se = strel(disk,15); bw = imclose(bw,se); 4、此时车牌所在白色连通域已清晰可见，但在黑色区域以外，是一个更大的白色连通域，将车牌所在连通域包围了。有必要将其填充。 bw = imfill(bw,[1 1]); 5、查找连通域边界。同时保留此图形，以备后面在它上面做标记。 [B,L] = bwboundaries(bw,4); imshow(label2rgb(L, @jet, [.5 .5 .5])) hold on for k = 1:length(B) boundary = B{k}; plot(boundary(:,2),boundary(:,1),w,LineWidth,2) end 6、找出所有连通域中最可能是车牌的那一个。判断的标准是：测得该车牌的长宽比约为4.5:1，其面积和周长存在关系：(4.5×L×L)/(2×(4.5＋1)×L)2≈1/27，以此为特征，取metric=27*area/perimeter^2作为连通域的匹配度，它越接近1，说明对应的连通域越有可能是4.5:1的矩形。 % 找到每个连通域的质心 stats = regionprops(L,Area,Centroid); % 循环历遍每个连通域的边界 for k = 1:length(B) % 获取一条边界上的所有点 boundary = B{k}; % 计算边界周长 delta_sq = diff(boundary).^2; perimeter = sum(sqrt(sum(delta_sq,2))); % 获取边界所围面积 area = stats(k).Area; % 计算匹配度 metric = 27*area/perimeter^2; % 要显示的匹配度字串 metric_string = sprintf(%2.2f,metric); % 标记出匹配度接近1的连通域 if metric = 0.9 metric = 1.1 centroid = stats(k).Centroid; plot(centroid(1),centroid(2),ko); % 提取该连通域所对应在二值图像中的矩形区域 goalboundary = boundary; s = min(goalboundary, [], 1); e = max(goalboundary, [], 1); goal = imcrop(I4,[s(2) s(1) e(2)-s(2) e(1)-s(1)]); end % 显示匹配度字串 text(boundary(1,2)-35,boundary(1,1)+13,... metric_string,Color,g,... FontSize,14,FontWeight,bold); end 图示为找到的各个连通区域，中部被标记“○”的矩形匹配度为0.99，是最可能的区域。下边是由它确定的二值图像中的车牌区域： 7、将车牌图像反白处理，并扩充为256×256的方阵（如下左图），以便下面傅立叶变换中矩阵旋转运算的进行。 goal = ~goal; goal(256,256) = 0; figure; imshow(goal); 8、从文件读取一个字符模板（以“P”为例，模板图像 直接从上述二值图像中截取得到）。对图像计算傅立叶描述子，用预先定义好的决策函数对描述子进行计算。变换后的图像中，亮度的高低指示相应区域与模板的匹配程度（如下中图）。 w = imread(P.bmp); w = ~w; C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256))); 9、通过检查C的最大值，试验确定一个合适的门限（这里240比较合适），显示亮度大