期末課程報(bào)告：數(shù)字圖像中車(chē)牌識(shí)別的matlab實(shí)現(xiàn)(更新版)
【正文】 t = pretreatment(I)if isrgb(I) I1 = rgb2gray(I)。Z639。 PIN2=Z。,num2str(i)) case 39。(Px0x)) Px0=Px0+1。),ylabel(39。)。endPy1=Py0。TT=1。)。g_min=double(min(min(I1)))。),xlabel(39。 while ((Y1(PY2,1)=45)amp。),ylabel(39。 Y1=zeros(y,1)。填充后圖像39。 %腐蝕圖像subplot(3,2,4),imshow(I3),title(39。)。 I1=rgb2gray(I)。流程圖如下：原始圖像圖像預(yù)處理車(chē)牌定位字符分割字符數(shù)據(jù)庫(kù)字符識(shí)別其中，(1) 原始圖像：由數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像；（本實(shí)驗(yàn)圖片由數(shù)碼相機(jī)獲得）(2) 圖像預(yù)處理：對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行灰度處理、邊緣檢測(cè)、腐蝕、膨脹、濾波、等處理排除圖像干擾；(3) 車(chē)牌定位：計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車(chē)牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域，最后得到的便為車(chē)牌區(qū)域；(4) 字符分割：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符；(5) 字符數(shù)據(jù)庫(kù)：構(gòu)造訓(xùn)練樣本數(shù)據(jù)庫(kù)，為第6步的字符識(shí)別建立字符模板數(shù)據(jù)庫(kù)；(6) 字符識(shí)別：通過(guò)基于模板匹配的OCR算法或基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法，通過(guò)特征對(duì)比或訓(xùn)練識(shí)別出相關(guān)的字符，得到最后的汽車(chē)牌照，包括英文字母和數(shù)字。整個(gè)汽車(chē)牌照識(shí)別的過(guò)程分為預(yù)處理、邊緣提取、車(chē)牌定位、字符分割、字符識(shí)別五大模塊，用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分，最后識(shí)別出汽車(chē)牌照。)。)。)。 se=strel(39。%去除聚團(tuán)灰度值小于2000的部分subplot(3,2,6),imshow(I5),title(39。 figure()。運(yùn)行截圖：2. 車(chē)牌定位——車(chē)牌起始位置和終止位置PY1=MaxY。 end IY=I(PY1:PY2,:,:)。像數(shù)39。% d:二值圖像%h=graythresh(I1)。imshow(I2),title(39。 end end endPy1=1。(Py1y1)) Py1=Py1+1。 end end endfigure(5)。運(yùn)行截圖：5. 字符分割：Px0=1。amp。 case 39。 PIN3=Z。 end subplot(1,7,i)。%將圖片統(tǒng)一劃為50*25大小I1=im2bw(I1,)。h:\tuku\39。I4=pretreatment(imread(39。))。h:\tuku\39。I12=pretreatment(imread(39。))。h:\tuku\39。,I639。,I1439。,39。randnr39。[net,tr]=train(net,P,T)。P0=[PIN039。for i=2:7 T0= sim(net ,P0(:,i))。C39。L39。239。639。 end switch i case 2 str2=str。由于牌照是機(jī)動(dòng)車(chē)輛管理的唯一標(biāo)識(shí)符號(hào)，因此，車(chē)輛牌照識(shí)別系統(tǒng)的研究在機(jī)動(dòng)車(chē)管理方面具有十分重要的實(shí)際意義。14
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1