matlab设计车牌识别系统设计实现.zip
资源文件列表(大概)
matlab设计车牌识别系统设计实现/1.jpg
918B
matlab设计车牌识别系统设计实现/2.jpg
559B
matlab设计车牌识别系统设计实现/3.jpg
656B
matlab设计车牌识别系统设计实现/4.jpg
649B
matlab设计车牌识别系统设计实现/5.jpg
626B
matlab设计车牌识别系统设计实现/6.jpg
646B
matlab设计车牌识别系统设计实现/7.jpg
622B
matlab设计车牌识别系统设计实现/car.jpg
1.45MB
matlab设计车牌识别系统设计实现/getword.m
1.76KB
matlab设计车牌识别系统设计实现/main.m
7.82KB
matlab设计车牌识别系统设计实现/mainfc.p
202B
matlab设计车牌识别系统设计实现/my_imsplit.m
705B
matlab设计车牌识别系统设计实现/字符模板/
-
matlab设计车牌识别系统设计实现/字符模板/0.jpg
660B
matlab设计车牌识别系统设计实现/字符模板/1.jpg
482B
matlab设计车牌识别系统设计实现/字符模板/2.jpg
12.06KB
matlab设计车牌识别系统设计实现/字符模板/3.jpg
793B
matlab设计车牌识别系统设计实现/字符模板/4.jpg
11.74KB
matlab设计车牌识别系统设计实现/字符模板/5.jpg
12.05KB
matlab设计车牌识别系统设计实现/字符模板/6.jpg
797B
matlab设计车牌识别系统设计实现/字符模板/7.jpg
583B
matlab设计车牌识别系统设计实现/字符模板/8.jpg
789B
matlab设计车牌识别系统设计实现/字符模板/9.jpg
778B
matlab设计车牌识别系统设计实现/字符模板/A.jpg
806B
matlab设计车牌识别系统设计实现/字符模板/B.jpg
884B
matlab设计车牌识别系统设计实现/字符模板/C.jpg
771B
matlab设计车牌识别系统设计实现/字符模板/D.jpg
662B
matlab设计车牌识别系统设计实现/字符模板/E.jpg
11.59KB
matlab设计车牌识别系统设计实现/字符模板/F.jpg
11.45KB
matlab设计车牌识别系统设计实现/字符模板/G.jpg
11.99KB
matlab设计车牌识别系统设计实现/字符模板/H.jpg
439B
matlab设计车牌识别系统设计实现/字符模板/I.jpg
11.29KB
matlab设计车牌识别系统设计实现/字符模板/J.jpg
566B
matlab设计车牌识别系统设计实现/字符模板/L.jpg
598B
matlab设计车牌识别系统设计实现/字符模板/M.jpg
772B
matlab设计车牌识别系统设计实现/字符模板/N.jpg
11.95KB
matlab设计车牌识别系统设计实现/字符模板/O.jpg
11.96KB
matlab设计车牌识别系统设计实现/字符模板/P.jpg
656B
matlab设计车牌识别系统设计实现/字符模板/Q.jpg
828B
matlab设计车牌识别系统设计实现/字符模板/R.jpg
12.03KB
matlab设计车牌识别系统设计实现/字符模板/S.jpg
12.14KB
matlab设计车牌识别系统设计实现/字符模板/T.jpg
11.17KB
matlab设计车牌识别系统设计实现/字符模板/U.jpg
11.74KB
matlab设计车牌识别系统设计实现/字符模板/V.jpg
793B
matlab设计车牌识别系统设计实现/字符模板/W.jpg
12.02KB
matlab设计车牌识别系统设计实现/字符模板/X.jpg
797B
matlab设计车牌识别系统设计实现/字符模板/Y.jpg
668B
matlab设计车牌识别系统设计实现/字符模板/Z.jpg
11.79KB
matlab设计车牌识别系统设计实现/字符模板/k.jpg
764B
matlab设计车牌识别系统设计实现/字符模板/京.jpg
890B
matlab设计车牌识别系统设计实现/字符模板/浙.jpg
787B
matlab设计车牌识别系统设计实现/字符模板/苏.jpg
824B
matlab设计车牌识别系统设计实现/字符模板/豫.jpg
918B
matlab设计车牌识别系统设计实现/字符模板/贵.jpg
898B
matlab设计车牌识别系统设计实现/字符模板/辽.jpg
13.83KB
matlab设计车牌识别系统设计实现/字符模板/陕.jpg
867B
matlab设计车牌识别系统设计实现/字符模板/鲁.jpg
858B
matlab设计车牌识别系统设计实现/车牌图像.jpg
23.95KB
资源内容介绍
MATLAB可以用于车牌识别的流程如下：1. 图像预处理：首先，加载车牌图像并对其进行预处理。可以使用MATLAB提供的图像处理函数进行图像灰度化、图像增强、图像二值化等操作，以提高车牌图像的质量。2. 车牌定位：使用图像处理算法或机器学习算法在预处理后的图像中进行车牌定位。这可以通过检测车牌的形状、颜色、纹理等特征进行。3. 字符分割：将定位到的车牌图像进行字符分割，将每个字符分割为单独的图像。可以使用MATLAB的图像处理函数进行字符分割，如字符二值化、字符定位等。4. 字符识别：对每个字符图像进行特征提取和分类，以实现字符识别。可以使用MATLAB的机器学习工具箱来训练字符分类器，如支持向量机、神经网络等。5. 结果输出：根据字符识别的结果，将识别出的字符进行组合，得到最终的车牌号码。可以使用MATLAB的图像处理函数将字符图像组合起来，生成最终的识别结果。需要注意的是，车牌识别是一个复杂的任务，可能涉及到多个图像处理和机器学习的算法。此外，车牌的种类和样式在不同的国家和地区可能有所不同，识别算法也需要相应的调整和修改。具体的实现方法和效果需要根据实际情况 %%clear;close all;clc;img=imread('car.jpg');%读取路径figure;imshow(img);title('车牌图像');%% 灰度处理img1 = rgb2gray(img); % RGB图像转灰度图像figure;subplot(1, 2, 1);imshow(img1);title('灰度图像');subplot(1, 2, 2);imhist(img1);title('灰度处理后的灰度直方图');%% 边缘提取img4 = edge(img1, 'roberts', 0.15, 'both');figure('name','边缘检测');imshow(img4);title('roberts算子边缘检测');%% 图像腐蚀se=[1;1;1];img5 = imerode(img4, se);figure('name','图像腐蚀');imshow(img5);title('图像腐蚀后的图像');%% 平滑图像，图像膨胀se = strel('rectangle', [30, 30]);img6 = imclose(img5, se);figure('name','平滑处理');imshow(img6);title('平滑图像的轮廓');%% 从图像中删除所有少于2200像素8邻接img7 = bwareaopen(img6, 2200);figure('name', '移除小对象');imshow(img7);title('从图像中移除小对象');%% 切割出图像[y, x, z] = size(img7);img8 = double(img7); % 转成双精度浮点型% 车牌的蓝色区域% Y方向blue_Y = zeros(y, 1);for i = 1:y for j = 1:x if(img8(i, j) == 1) % 判断车牌位置区域 blue_Y(i, 1) = blue_Y(i, 1) + 1; % 像素点统计 end endendmainfc;% 找到Y坐标的最小值img_Y1 = 1;while (blue_Y(img_Y1) < 5) && (img_Y1 < y) img_Y1 = img_Y1 + 1;end% 找到Y坐标的最大值img_Y2 = y;while (blue_Y(img_Y2) < 5) && (img_Y2 > img_Y1) img_Y2 = img_Y2 - 1;end% x方向blue_X = zeros(1, x);for j = 1:x for i = 1:y if(img8(i, j) == 1) % 判断车牌位置区域 blue_X(1, j) = blue_X(1, j) + 1; end endend% 找到x坐标的最小值img_X1 = 1;while (blue_X(1, img_X1) < 5) && (img_X1 < x) img_X1 = img_X1 + 1;end% 找到x坐标的最小值img_X2 = x;while (blue_X(1, img_X2) < 5) && (img_X2 > img_X1) img_X2 = img_X2 - 1;end% 对图像进行裁剪img9 = img(img_Y1:img_Y2, img_X1:img_X2, :);figure('name', '定位剪切图像');imshow(img9);title('定位剪切后的彩色车牌图像')% 保存提取出来的车牌图像imwrite(img9, '车牌图像.jpg');%% 对车牌图像作图像预处理plate_img = imread('车牌图像.jpg');% 转换成灰度图像plate_img1 = rgb2gray(plate_img); % RGB图像转灰度图像figure;subplot(1, 2, 1);imshow(plate_img1);title('灰度图像');subplot(1, 2, 2);imhist(plate_img1);title('灰度处理后的灰度直方图');% 直方图均衡化plate_img2 = histeq(plate_img1);figure('name', '直方图均衡化');subplot(1,2,1);imshow(plate_img2);title('直方图均衡化的图像');subplot(1,2,2);imhist(plate_img2);title('直方图');% 二值化处理plate_img3 = im2bw(plate_img2, 0.76);figure('name', '二值化处理');imshow(plate_img3);title('车牌二值图像');% 中值滤波plate_img4 = medfilt2(plate_img3);figure('name', '中值滤波');imshow(plate_img4);title('中值滤波后的图像');%% 进行字符识别plate_img5 = my_imsplit(plate_img4);[m, n] = size(plate_img5);s = sum(plate_img5); %sum(x)就是竖向相加，求每列的和，结果是行向量;j = 1;k1 = 1;k2 = 1;while j ~= n while s(j) == 0 j = j + 1; end k1 = j; while s(j) ~= 0 && j <= n-1 j = j + 1; end k2 = j + 1; if k2 - k1 > round(n / 6.5) [val, num] = min(sum(plate_img5(:, [k1+5:k2-5]))); plate_img5(:, k1+num+5) = 0; endendy1 = 10;y2 = 0.25;flag = 0;word1 = [];while flag == 0 [m, n] = size(plate_img5); left = 1; width = 0; while sum(plate_img5(:, width+1)) ~= 0 width = width + 1; end if width < y1 plate_img5(:, [1:width]) = 0; plate_img5 = my_imsplit(plate_img5); else temp = my_imsplit(imcrop(plate_img5, [1,1,width,m])); [m, n] = size(temp); all = sum(sum(temp)); two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:))); if two_thirds/all > y2 flag = 1; word1 = temp; end plate_img5(:, [1:width]) = 0; plate_img5 = my_imsplit(plate_img5); endendfigure;subplot(2,4,1), imshow(plate_img5); % 分割出第二个字符 [word2,plate_img5]=getword(plate_img5); subplot(2,4,2), imshow(plate_img5); % 分割出第三个字符 [word3,plate_img5]=getword(plate_img5); subplot(2,4,3), imshow(plate_img5); % 分割出第四个字符 [word4,plate_img5]=getword(plate_img5); subplot(2,4,4), imshow(plate_img5); % 分割出第五个字符 [word5,plate_img5]=getword(plate_img5); subplot(2,3,4), imshow(plate_img5); % 分割出第六个字符 [word6,plate_img5]=getword(plate_img5); subplot(2,3,5), imshow(plate_img5); % 分割出第七个字符 [word7,plate_img5]=getword(plate_img5); subplot(2,3,6), imshow(plate_img5); figure; subplot(5,7,1),imshow(word1),title('1'); subplot(5,7,2),imshow(word2),title('2'); subplot(5,7,3),imshow(word3),title('3'); subplot(5,7,4),imshow(word4),title('4'); subplot(5,7,5),imshow(word5),title('5'); subplot(5,7,6),imshow(word6),title('6'); subplot(5,7,7),imshow(word7),title('7'); word1=imresize(word1,[40 20]);%imresize对图像做缩放处理，常用调用格式为：B=imresize(A,ntimes,method)；其中method可选nearest,bilinear（双线性）,bicubic,box,lanczors2,lanczors3等 word2=imresize(word2,[40 20]); word3=imresize(word3,[40 20]); word4=imresize(word4,[40 20]); word5=imresize(word5,[40 20]); word6=imresize(word6,[40 20]); word7=imresize(word7,[40 20]); subplot(5,7,15),imshow(word1),title('11'); subplot(5,7,16),imshow(word2),title('22'); subplot(5,7,17),imshow(word3),title('33'); subplot(5,7,18),imshow(word4),title('44'); subplot(5,7,19),imshow(word5),title('55'); subplot(5,7,20),imshow(word6),title('66'); subplot(5,7,21),imshow(word7),title('77'); imwrite(word1,'1.jpg'); % 创建七位车牌字符图像 imwrite(word2,'2.jpg'); imwrite(word3,'3.jpg'); imwrite(word4,'4.jpg'); imwrite(word5,'5.jpg'); imwrite(word6,'6.jpg'); imwrite(word7,'7.jpg'); %% 进行字符识别 liccode=char(['0':'9' 'A':'Z' '京辽鲁陕苏豫浙贵']);%建立自动识别字符代码表；'京津沪渝港澳吉辽鲁豫冀鄂湘晋青皖苏赣浙闽粤琼台陕甘云川贵黑藏蒙桂新宁' % 编号：0-9分别为 1-10;A-Z分别为 11-36; % 京 津 沪 渝 港 澳 吉 辽 鲁 豫 冀 鄂 湘 晋 青 皖 苏 % 赣 浙 闽 粤 琼 台 陕 甘 云 川 贵 黑 藏 蒙 桂 新 宁 % 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 % 60 61 62 63 64 65 66 67 68 69 70 subBw2 = zeros(40, 20); num = 1; % 车牌位数 for i = 1:7 ii = int2str(i); % 将整型数据转换为字符串型数据 word = imread([ii,'.jpg']); % 读取之前分割出的字符的图片 segBw2 = imresize(word, [40,20], 'nearest'); % 调整图片的大小 segBw2 = im2bw(segBw2, 0.5); % 图像二值化 if i == 1 % 字符第一位为汉字，定位汉字所在字段 kMin = 37; kMax = 44; elseif i == 2 % 第二位为英文字母，定位字母所在字段 kMin = 11; kMax = 36; elseif i >= 3 % 第三位开始就是数字了，定位数字所在字段 kMin = 1; kMax = 36; end l = 1; for k = kMin : kMax fname = strcat('字符模板\',liccode(k),'.jpg'); % 根据字符库找到图片模板 samBw2 = imread(fname); % 读取模板库中的图片 samBw2 = im2bw(samBw2, 0.5); % 图像二值化 % 将待识别图片与模板图片做差 for i1 = 1:40 for j1 = 1:20 subBw2(i1, j1) = segBw2(i1, j1) - samBw2(i1 ,j1); end end % 统计两幅图片不同点的个数，并保存下来 Dmax = 0; for i2 = 1:40 for j2 = 1:20 if subBw2(i2, j2) ~= 0 Dmax = Dmax + 1; end end end error(l) = Dmax; l = l + 1; end % 找到图片差别最少的图像 errorMin = min(error); findc = find(error == errorMin);% error% findc % 根据字库，对应到识别的字符 Code(num*2 - 1) = liccode(findc(1) + kMin - 1); Code(num*2) = ' '; num = num + 1; end % 显示识别结果 disp(Code); msgbox(Code,'识别出的