(完整word版)基于Matlab的车牌识别实现源码.docVIP

function[]=main(jpg)

closeall

clc

tic%测定算法执行的时间

[fn,pn]=uigetfile(timg1,jpg,选择图片)%读入图片

I=imread([pn,fn]);

figure,imshow(I);title(原始图像);%显示原始图像

Im1=rgb2gray(I);

figure(2),

subplot(1,2,1),

imshow(Im1);

title(灰度图);

figure(2),

subplot(1,2,2),

imhist(Im1);

title(灰度图的直方图);%显示图像的直方图

Tiao=imadjust(Im1,[0.19,0.78],[0,1]);%调整图片

figure(3),

subplot(1,2,1),

imshow(Tiao);title(增强灰度图);

figure(3),

subplot(1,2,2),

imhist(Tiao);

title(增强灰度图的直方图);

Im2=edge(Tiao,Roberts,both);%使用sobel算子进行边缘检测

figure(4),

imshow(Im2);

title(sobel算子实现边缘检测)

se=[1;1;1];

Im3=imerode(Im2,se);

figure(5),

imshow(Im3);

title(腐蚀效果图);

se=strel(square,40);%rectangle,[25,25]/diamond,25/

Im4=imclose(Im3,se);

figure(6),

imshow(Im4);

title(平滑图像的轮廓);

Im5=bwareaopen(Im4,1500);

figure(7),

imshow(Im5);

title(移除小对象);

[y,x,z]=size(Im5);%返回Im5各维的尺寸，并存储在变量y、x、z中

Im6=double(Im5);%将Im5换成双精度数值

%开始横向扫描

tic%tic计时开始，toc结束，计算tic与toc之间程序的运行时间

Blue_y=zeros(y,1);%产生y*1的全0矩阵

fori=1:y%逐行扫描

forj=1:x

if(Im6(i,j,1)==1)%如果Im6图像中坐标为(i,j)的点值为1,即为移除小对象的白色区域，

Blue_y(i,1)=Blue_y(i,1)+1;%则y*1列矩阵的相应像素点的元素值加1，

end

end

end

[tempMaxY]=max(Blue_y);%temp为向量Blue_y的矩阵中的最大值，MaxY为该值的索引（最大值在向量中的位置）

%返回包含最大元素的列，即白色区域最宽的列

%Y方向车牌区域确定

figure(8),subplot(1,2,1),

plot(0:y-1,Blue_y),title(行方向白色像素点累计),xlabel(行数),ylabel(个数);

PY1=MaxY;

while((Blue_y(PY1,1)=120)(PY11))

PY1=PY1-1;

end

PY2=MaxY;

while((Blue_y(PY2,1)=40)(PY2y))

PY2=PY2+1;

end

IY=I(PY1:PY2,:,:);

%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分

%横向扫描完成，开始纵向扫描

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

forj=1:x%逐列扫描

fori=PY1:PY2

if(Im6(i,j,1)==1)

Blue_x(1,j)=Blue_x(1,j)+1;%根据Im5的x值确定

end

end

end

figure(8),subplot(1,2,2),

plot(0:x-1,Blue_x),title(列方向白色像素点累计),xlabel(列数),ylabel(个数);

PX1=1;

while((Blue_x(1,PX1)3)(PX1x))

PX1=PX1+1;

end

PX2=x;

while((Blue_x(1,PX2)3)(PX2PX1))

PX2=PX2-1;

end

%end纵向扫描

PX1=PX1-2;%对车牌区域的校正

PX2=PX2+2;

dw=I(PY1:PY2,PX1:PX2,:);

t=toc;

figure(9),subplot(1,2,1),imshow(IY