基于matlab的車牌自動識別畢業設計(編輯修改稿)

　

【文章內容簡介】 A=imread(filename,fmt)[X,MAP]=imread(FTLENAME,39。FMT39。),其中：FTLENAME為需要讀取的圖像文件名稱，FMT是圖像格式。[...]=imread(filename,fmt)[...]=imread(filename)[...]=imread(URL,...)[...]=imread(...,idx) (CUR,ICO,and TIFE only)[...]=imread(...,39。frames39。,idx) (GIF only)[A,map,alpha]=imread(...) (ICO,CUR,and PNC only)圖像的信息讀取可以通過調用imfinfo函數獲得與圖像文件有關的信息，格式如下：INFO=imfinfo(FTLENAME,39。FMT39。)，其中返回的INFO是MATLAB的一個結構體；大多數圖像文件格式采用8為數據存儲像素值，將這些文件讀入內存后，MATLAB都將其存儲為unit8類型。對支持16為數據的文件格式，如PNG和TIFE，MATLAB則將這些圖像存儲為unit16類型。和其他MATLAB生成的圖像一樣，一旦一幅圖像被顯示了，那么它將成為一個圖形對象句柄。在讀取圖像之前，應該先清除MATLAB所有的工作平臺變量，并關閉打開的圖形窗口。為此，可使用以下命令：clear。 close all然后使用圖像選取函數imread就可以讀取一幅圖像。(該圖像是圖像處理工具箱自帶的圖像)，并將他存儲在一個名為I的數組中，使用命令：I=imread(‘’)。然后調用inshow命令來顯示圖像：inshow(I)本設計中圖像的讀取程序如下： imread(39。E:/39。)。 figure(),subplot(3,2,1),imshow(I),title(39。原始圖像39。) .原始圖像Figure對象是MATLAB系統中包括GUI設計編輯窗在內所有顯示窗口。在系統運行極限條件下，用戶可以創建任意多個Figure窗。所有Figure對象的父對象都是Root對象，而其他所有MATLAB圖形對象都是Figure對象的子對象。如果當前沒有創建任何Figure對象，MATLAB在調用一個繪圖函數（如plot 函數mesh函數）時，都自動創建一個Figure對象，如果在 MATLAB系統中已經包括了好多Figure窗，系統則總是指定一個Figure窗為當前窗口，以后所有的函數默認把它作為輸出圖行窗。如果當前只有GUI設計編輯窗，MATLAB系統也默認為無可用的Figure窗，及調用繪圖函數時將重新創建一個Figure對象。 預處理及邊緣提取原始圖像灰度校正平滑處理提取并定位車牌 預處理及邊緣提取流程圖 圖像的采集與轉換考慮到現有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區域與背景明顯地區分出來，例如，對藍底白字這種最常見的牌照，采用藍色B 通道時牌照區域為一亮的矩形，而牌照字符在區域中并不呈現。因為藍色（255，0，0）與白色（255，255，255）在B 通道中并無區分，而在G、R 通道或是灰度圖像中并無此便利。同理對白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現出牌照區域的位置，便于后續處理。原圖、灰度圖及其直方圖見圖2與圖3。對于將彩色圖像轉換成灰度圖像時，圖像灰度值可由下面的公式計算： （） （） 圖像預處理 圖像預處理是對原始資料進行遙感器效應和幾何及輻射效應等的應用前期處理，是將每一個文字圖像分檢出來交給識別模塊識別。在圖像分析中，對輸入圖像進行特征抽取、分割和匹配前所進行的處理。圖像預處理的主要目的是消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數據，從而改進特征抽取、圖像分割、匹配和識別的可靠性。預處理過程一般有數字化、幾何變換、歸一化、平滑、復原和增強等步驟。圖像預處理是車牌定位的準備工作，以提高車牌圖片的適用性。圖像不僅包括車牌照，而且還有汽車本身和汽車背景圖像，因此必須去掉這些非牌照圖像的影響，才有可能正確的提取出牌照區域，為以后的車牌字符識別打下基礎。在實際用用中，由于季節的更替、自然光照的晝夜變化、光照的穩定性與均勻性、車輛自身的運動、觀察點、采集圖像的設備本身因素等的影響，因而必須對圖像進行預處理，以改善圖像質量，提高字符識別率。 圖像增強對車輛圖像進行灰度化處理值后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因此難以準確定位車牌。為了增強牌照部分圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行增強。圖像增強的目的是對圖像進行加工，以得到對具體應用來說視覺效果更適合計算機識別的圖像。增強圖像的方法有很多，如灰度變換、圖像平滑處理和線性濾波等，根據處理圖像域又可以分為空間增強與領域增強。目前用于車牌圖像增強的方法有：灰度拉伸直方圖均衡中值濾波高斯濾波圖像腐蝕同等濾波等等。灰度圖是指只包含亮度信息，不包含彩色信息的圖像，例如平時看到的亮度連續變化的黑白照片就是一幅灰度圖。灰度化處理就是將一幅彩色圖像轉換成為灰度圖像的過程。彩色圖像分為R、G、B三個分量，分別顯示出紅、綠、藍等各種顏色，灰度化就是彩色的R、G、B分量相等的過程。灰度值大的像素點比較亮，反之比較暗。輸入的彩色圖像包含大量顏色信息，會占用較多的存儲空間，且處理時也會降低系統的執行速度，因此對圖像進行識別等處理時，常將彩色圖像轉換為灰度圖像，以加快處理速度。圖像灰度化的算法主要由以下3種：（1）最大值法：是轉化后R、G、B的值等于轉化前3個之中最大的一個，即: （）這種方法轉換的灰度圖亮度高。（2）平均值法：使轉化后R、G、B的值為轉化前R、G、B的平均值 （）這種方法產生的灰度圖像比較柔和。 （3）加權平均值法：按照一定的權值，對R、G、B的值加權平均，即： （）其中，、分別為R、G、B的權值。、取不同的值，將形成不同的灰度圖像。由于人眼對綠色最為敏感，紅色次之，對藍色的敏感性最低，因此使＞＞將得到較易識別的灰度圖像。灰度圖像顯示最基本的調用格式如下：imshow(I)imshow 函數是通過將灰度值表杜威灰度級調色版的索引來顯示圖像。如果I是雙精度類型，則顯示為黑色，，像素值將顯示為灰影。如果I為unit16則像素值65535將被顯示為白色。imshow函數顯示灰度圖像的另一種調用格式是：是用明確地指定灰度級數目。例如，以下語句將顯示一幅32個灰度及的圖像I：imshow(I，32)此次畢業設計中灰度圖像顯示的語句為：I1=rgb2gray(I)。figure(2),subplot(1,2,1),imshow(I1)。title（39。灰度圖39。）；為了更好地觀察圖像的灰度分布信息，可以用imhist函數創建描述圖像灰度分布的直方圖，并使用figure命令將直方圖顯示在一個新的圖像窗口，程序語句如下：figure(2),subplot(1,2,2),imhist(I1)。title(39。灰度直方圖39。)，由于圖像的灰度范圍比較狹窄，沒有覆蓋整個灰度范圍[0,255]，并且圖像中灰度值的高低區分較明顯，因而能產生好的對比效果。 圖象平滑的介紹圖像平滑是對圖像作低通濾波,可在空間域或頻率域實現。空間域圖像平滑方法主要用低通卷積濾波、中值濾波等；頻率域圖像平滑常用的低通濾波器有低通梯形濾波器、低通高斯濾波器、低通指數濾波器、巴特沃思低通濾波器等。對于受噪聲干擾嚴重的圖像，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低通濾波器來濾除噪聲，但實際中為了簡化算法，也可以直接在空域中用求鄰域平均值的方法來削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應的鄰域平均值為， （）其中，M為鄰域中除中心象素點f(i,j)之外包括的其它象素總數，對于4鄰域M=4，8鄰域M=8。然而，鄰域平均值的平滑處理會使得圖像灰度急劇變化的地方，尤其是物體邊緣區域和字符輪廓等部分產生模糊作用。為了克服這種平均化引起的圖像模糊現象，我們給中心點像素值與其鄰域平均值的差值設置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖像模糊。 車牌圖像往往存在一些孤立的噪點，在汽車牌照圖像處理初期，若不能有效抑制或者去除這些噪點，將影響車牌定位的準確性或者造成無法定位。通常采用圖像平滑的方法去除噪點。 清除小面積對象后的圖像 圖像處理并不僅限于對圖像進行增強、復原和編碼，還要對圖像進行分析，圖像分析旨在對圖像進行描述，即用一組數或符號表征圖像中目標區的特征、性質和相互間的關系，為模式識別提供基礎。描述一般針對圖像或景物中的特定區域和目標。為了描述，首先要進行分割。邊緣檢測是圖像分析中的重要內容。邊緣是圖像的最基本特征。所謂邊緣，是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間，基元與基元之間，因此他也是圖像分割所依賴的重要特征。數字圖像的邊緣檢測是圖像分割、目標區域識別、區域形狀提取等圖像分析領域十分重要的基礎，也是圖像識別中提取圖像特征的一個重要屬性。在進行圖像理解和分析時，第一步往往是邊緣檢測，目前他已成為機器視覺研究領域最活躍的課題之一，在工程應用中占有十分重要的地位。物體邊緣是以圖像的局部特征不連續的形式出現的，即是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結構的突變等，同時物體的邊緣也是不同區域的分界處。圖像邊緣具有方向和幅度兩個特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變換劇烈。邊緣檢測是在圖像的局部區域上針對像素點的一種運算，在計算機視覺、圖像理解等應用中非常重要。同時也是圖像分析與模式識別的重要環節。因為圖像邊緣包含了模式識別的有用信息，所以邊緣檢測是圖像分析和模式識別種特征提取的主要手段。邊緣檢測的基本步驟：1. 濾波：邊緣和噪聲同屬圖像中強度變化劇烈的部位，因此邊緣檢測算子對邊緣和噪聲都很敏感，因此必須使用濾波來改善與噪聲有關的邊緣檢測算子的性能。2. 增強：增強邊緣的基礎是確定圖像各點領域強度的變化值。增強算法可以將領域強度中有顯著變化的點突顯出來。3. 檢測：在圖像中有許多的梯度幅值比較大，而這些點在特定的應用領域中并不都是邊緣，所以應該用某種方法來確定哪些點是邊緣點。4. 定位：邊緣檢測定位即邊遠點的具體位置，除此之外還應包括邊緣細化、連接。 圖像的腐蝕是對所提取的目標圖像進行形態學分析。腐蝕處理的作用是將目標圖像收縮。運算結果取決于結構元素大小內容以及邏輯運算性質。結構元素是指具有某種確定形狀的基本結構元素，例如，一定大小的矩形，圓形或菱形等。腐蝕處理可以表示成用結構元素對像進行探測，找出圖像中可以放下該結構元素的區域。腐蝕是一種消除邊界點，是邊界向內部收縮的過程。可以用來消除小且無意義的目標物。如果兩目標物建有細小的連通，可以選取足夠大的結構元素，將細小連通腐蝕掉。Se=[1:1:1]。I3=imerode(I2,Se)。Subplot(3,2,4),imshow(I3),title(腐蝕后圖像）MATLAB使用imerode函數進行圖像腐蝕。Imerode函數需要兩個基本輸入參數：待處理的輸入圖像以及結構元素對象。此外，imerode函數還可以接受3個可選參數：PADOPT、PACKOPT和M，前兩個參數的含義與imadilate函數的可選參數類似。另外。如果圖像時打包的二進制圖像，則M將制定原始圖像的行數。 牌照的定位和分割牌照的定位和分割是牌照識別系統的關鍵技術之一，其主要目的是在經圖像預處理后的原始灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個圖像中分割出來