基于matlab的車牌識別系統(tǒng)的設(shè)計與實現(xiàn)-wenkub.com
2024-11-04 06:09 本頁面
【正文】 這次的論文設(shè)計還提高了我的信心和動手能力，我想這會對我以后的生活和工作有很大的積極意義的。深入了解后，更是十分佩服。指導(dǎo)老師的耐心解答，同學(xué)的熱心幫忙，自己 的努力，終于我完成了車牌識別系統(tǒng)的設(shè)計。flag=1。 end else word=qiege(imcrop(d,[1 1 wide m]))。 n1/m1y2 d(:,[1:wide])=0。 end temp=qiege(imcrop(d,[1 1 wide m]))。 wide=0。flag=0。 end dd=rightleft。 left=n left=left+1。amp。 % init while sum(d(top,:))==0 amp。 top=1。 subplot(5,7,21),imshow(word7),title(39。)。439。 subplot(5,7,17),imshow(word3),title(39。)。 word6=imresize(word6,[40 20])。 word2=imresize(word2,[40 20])。739。 subplot(5,7,6),imshow(word6),title(39。)。339。 subplot(5,7,2),imshow(word2),title(39。 % 分割出第七個字符 [word7,d]=getword(d)。 % 分割出第三個字符 [word3,d]=getword(d)。word1=temp。 [m,n]=size(temp)。 while sum(d(:,wide+1))~=0 wide=wide+1。word1=[]。 % 分割 end end % 再切割 d=qiege(d)。 j=n1 j=j+1。 while j~=n while s(j)==0 j=j+1。 figure,subplot(2,1,1),imshow(d),title(n) k1=1。 figure(12),imshow(d),title(39。 elseif bwarea(d)/m/n= d=imdilate(d,se)。ball39。line39。) % 某些圖像進行操作 % 膨脹或腐蝕 % se=strel(39。 .jpg39。average39。 39。 % d:二值圖像 imwrite(d,39。 g_min=double(min(min(b)))。 figure(8)。 b=rgb2gray(a)。 jpg=strcat(filepath,filename)。39。) imwrite(dw,39。行方向區(qū)域 39。%對車牌區(qū)域的校正 PX2=PX2+1。 while ((Blue_x(1,PX2)3)amp。 while ((Blue_x(1,PX1)3)amp。 end IY=I(PY1:PY2,:,:)。 end PY2=MaxY。%Y 方向車牌區(qū)域確定 PY1=MaxY。 myI=double(I5)。title(39。平滑圖像的輪廓 39。,[25,25])。腐蝕后圖像 39。1]。title(39。,39。灰度圖 39。原圖 39。39。常見的車牌定位方法有邊緣檢測定位算法，利用哈夫變換進行車牌定位以及色彩分割提取車牌等，本文采用的是邊緣檢測定位算法。 失敗，尤其是車牌上第一個字符漢字的分割，常常因為過大或者過小導(dǎo)致分割失敗。將得到的機動車照片進行灰度化和邊緣檢測處理，運用良好的技術(shù)手段進行車牌定位，將定位好的圖像進行字符分割處理，得到七個字符，將字符歸一化處理。 而大小歸一是指在長度和寬度方向上分別乘以一個比例因子 ， 使其等于標(biāo)準(zhǔn)模塊的字符大小 ， 本文采用的 大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進行歸一化處 理。 圖 49 車牌的進一步處理 圖 字符分割 將得到的車牌區(qū)域圖像進行二值化處理后 ， 對圖像進行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對投影圖上的波形從左向右進行掃描 ，根據(jù)谷和峰的特征就可以判斷出每個字符的位置 ； 計算垂直峰 ， 檢測合理的字符高寬比 。 濾波則是為了除去圖像噪聲。 圖 48 車牌對位的圖像 對定位后的彩色車牌的進一步處理 定位后車牌圖像是彩色 的，會占用較大的存儲空間，加重計算機負(fù)擔(dān)?，F(xiàn)在我們將經(jīng)過預(yù)處理的圖像進行圖像腐蝕以及去除雜質(zhì)，就可以得到相對準(zhǔn)確的車牌位置。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識 別的質(zhì)量。) 圖 41 原始圖片 圖 42 灰度圖 圖 43 Robert 算子邊緣檢測 該系統(tǒng)的攝像頭 拍攝的圖片是整個機動車的圖片，而只有車牌部分是對系統(tǒng)有用的。)。 I2=edge(I1,39。 figure(2),imshow(I1)。 figure(1),imshow(I)。本文采用經(jīng)典的 Roberts 邊緣檢測算子來對圖像進行邊緣檢測。因此，在進行對汽車牌照的定位及字符識別之前需要先對車輛圖像進行邊緣檢測處理，提高圖像的質(zhì)量，使其易于后面的分割和識別。 通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息 。 對于將彩色圖像轉(zhuǎn)換成灰度圖像時 ， 目前比較主流的灰度化方法叫平均值法 ，公式為 ： H=++ 公 式中 H 表示灰度圖的亮度值 ； R 代表彩色圖像紅色分量值 ； G 代表色彩圖像綠色分量值 ； B 代表彩色圖像藍色分量值 。 車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進行識別，輸出清晰的圖片。字符識別部分可以分為字符分割與特征提取和單個字符識別兩個模塊。 字符分割：對已經(jīng)定位的車牌圖片的進行字符分割，將車牌分割為 7 個單一的字符圖片 字符識別：將已經(jīng)分割出來的七個字符進行識別。其中線圈觸發(fā)和視頻觸發(fā)得到了廣泛的應(yīng)用。 車牌識別系統(tǒng)的攝像頭通過對經(jīng)過指定區(qū)域的機動車輛進行拍照，因為照片會受到光照、拍攝位置和車輛行駛速度的影響，導(dǎo)致拍攝的圖片不能準(zhǔn)確的確定汽車的車牌。該系統(tǒng)主要有兩大模塊：圖像處理模塊和字符識別模塊。 論文主要內(nèi)容完成的比較好，各個功能也介紹的比較完整，也能用程序來實現(xiàn)，但我感覺整個文章的布局稍微有點問題，整體思路不是很清晰。車牌定位和分割采用的是利用數(shù)學(xué)形態(tài)法來確定車牌位置，再利用車牌 彩色信息的彩色分割法來完成車牌部位分割。車牌識別系統(tǒng)使車輛管理更智能化，數(shù)字化，有效的提升了交通管理的方便性和有效性。車牌識別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等五大核心部分。字符的分割采用的方法是 以二值化后的車牌部分進行垂直投影，然后在對垂直投影進行掃描，從而完成字符的分割。 可
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1