matlab车牌识别系统算法源码论文

matlab车牌识别系统算法源码-论文matlab车牌识别系统算法源码待处理的图像如下所示。图像整体比较清晰干净，车牌方向端正，字体清楚，与周围颜色的反差较大。要定位汽车牌照并识别其中的字符，我们采用Matlab平台提供的一些图像处理函数,以傅立叶变换通过字符模板与待处理的图像匹配为核心思想。基本方法如下：1、读取待处理的图像，将其转化为二值图像。经试验，采用门限值为0.2附近时车牌字符最为清楚，杂点最少（如下左图）。I = imread(car.jpg); I2 = rgb2gray(I);I4 = im2bw(I2, 0.2);2、去除图像中面积过小的，可以肯定不是车牌的区域。bw = bwareaopen(I4, 500);3、为定位车牌，将白色区域膨胀，腐蚀去无关的小物件，包括车牌字符（如下右图）。se = strel(disk,15);bw = imclose(bw,se); 4、此时车牌所在白色连通域已清晰可见，但在黑色区域以外，是一个更大的白色连通域，将车牌所在连通域包围了。有必要将其填充。bw = imfill(bw,1 1);5、查找连通域边界。同时保留此图形，以备后面在它上面做标记。B,L = bwboundaries(bw,4);imshow(label2rgb(L, jet, .5 .5 .5)hold onfor k = 1:length(B)boundary = Bk;plot(boundary(:,2),boundary(:,1),w,LineWidth,2)end6、找出所有连通域中最可能是车牌的那一个。判断的标准是：测得该车牌的长宽比约为4.5:1，其面积和周长存在关系：(4.5LL)/(2(4.51)L)21/27，以此为特征，取metric=27*area/perimeter2作为连通域的匹配度，它越接近1，说明对应的连通域越有可能是4.5:1的矩形。% 找到每个连通域的质心stats = regionprops(L,Area,Centroid);% 循环历遍每个连通域的边界for k = 1:length(B) % 获取一条边界上的所有点 boundary = Bk; % 计算边界周长 delta_sq = diff(boundary).2; perimeter = sum(sqrt(sum(delta_sq,2); % 获取边界所围面积 area = stats(k).Area; % 计算匹配度 metric = 27*area/perimeter2; % 要显示的匹配度字串 metric_string = sprintf(%2.2f,metric); % 标记出匹配度接近1的连通域 if metric = 0.9 & metric thresh); 对照左右两图，可以说明字符“P”被识别和定位了。同样的方法，可以识别和定位其它字符。这种方法总体上比较容易理解，Matlab的函数隐藏了傅立叶变换等复杂的计算。缺点：在定位车牌方面，程序专门按本题给定图像的特点设计，没有普适性。字符识别方面，仅能识别与给定模板基本一致的字符。车牌大小、角度、光线、完整性、清晰度发生变化后，就无法识别了。同时对于“8”与“B”这样相似的字符，识别时常常混淆。* 参考文献：1、Applications of the Fourier Transform, Matlab 7.0 Help Documents, The MathWorks.2、Identifying Round Objects, Matlab 7.0 Demos, The MathWorks.1024 101000?