- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
目 录
一、实习目的 -------------------------------------------- 2
二、实习要求 -------------------------------------------- 2
三、实习内容 -------------------------------------------- 3
四、总体设计 -------------------------------------------- 3
五、具体设计 -------------------------------------------- 4
六、程序调试及结果分析 ------------------------------------ 5
七、心得体会 ----------------------------------------------- 11
八、参考文献 ----------------------------------------------- 13
一、实习目的
Matlab技术课程设计是利用Matlab应用软件的基础知识和基本程序设计方法,解决选修专业课程中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。同时提高独立编程水平,并在实践中不断完善理论基础,有助于培养综合能力。
二、实习要求:
按照软件工程方法,根据需求进行程序的功能分析和界面设计,给出设计详细说明。然后按照自己拟定的功能要求进行程序设计和调试。
以下几点是程序必须实现的功能。
1)设计图像用户界面,让用户能够对图像进行调整,显示和对比变换前后的图像。
2)图像直方图统计和直方图均衡,要求显示直方图统计,比较直方图均衡后的效果。
3)显示识别结果
三、实习内容
学习MATLAB程序设计,利用MATLAB图像处理工具箱,设计和实现通过设计一个车牌识别系统
四、总体设计
车牌识是一辆汽车独一无二的信息,因此,对车辆牌照的识别技术可以作为辨识一样车最为有效地方法。车牌识别系统包括摄取的汽车图像,车牌号码的识别,车牌图像的采集和预处理,牌照区域的定位和提取,牌照字符的分割和识别等几个部分组成如图1所示。
图1 车牌识别系统流程图车辆牌照识别系统
的基本工作原理为:将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理,再由检索模块对牌照进行搜索、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,然后输入JPEG或BMP格式的数字,输出则为车牌号码的数字。
车辆牌照识别系统组成:
(1)图像预处理:对汽车图像进行图像转换、图像增强和边缘检测等。
(2)车牌定位:从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。
(3)字符分割:对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像
(4)字符识别:对分割出来的字符进行预处理(二值化、归一化),然后分析提取,对分割出的字符图像进行识别给出文本形式的车牌号码。
汽车牌照识别系统的matlab实现
五、具体设计
界面效果图
程序调试及结果分析
(1)灰度校正
由于牌照图象在拍摄时受到种种条件的限制和干扰,图象的灰度值往往与实际景物不完全匹配,这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同,使得图象中央区域和边缘区域的灰度失衡,或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真,或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理,增强灰度的变化范围、丰富灰度层次,以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)间,而且总体上灰度偏低,图象较暗
灰度增强后的图像I=imread('DSC01344.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
文档评论(0)