- 實踐目的
車牌是一輛汽車獨一無二的資訊,是以,對車輛牌照的識别技術可以作為
辨識一輛車最為有效的方法。随着ITS(智能交通系統)的高速發展,對車牌識别技術的研究也随之發展。從根本上講,牌照識别應用了先進的圖像處理,模式識别,人工智能技術來擷取,處理,解釋,記錄拍照的圖像。目前, 汽車牌照的自動識别技術已經得到了廣泛應用。
汽車牌照自動識别整個處理過程分為預處理、邊緣提取、車牌定位、字元分割、字元識别五大子產品,其中字元識别過程主要由以下3個部分組成:①正确地分割文字圖像區域;②正确的分離單個文字;③正确識别單個字元。用MATLAB軟體程式設計來實作每一個部分,最後識别出汽車牌照。
- 實踐原理
車牌圖像通常是在各種複雜的背景、環境條件下采集得到,圖像品質難以保證,是以在進行車牌定位之前,通常要進行圖像的預處理工作。圖像預處理主要是對系統擷取的原始圖像基本特征的資訊進行相應的、有針對性的處理,以濾去幹擾、噪聲,作幾何校正、色彩校正,以便于計算機的分析計算,一般包括濾波、圖像增強、圖像二值化、形态學運算、邊緣檢測等。
圖2 車牌圖像預處理流程圖
- 實踐内容
- 車牌預處理(灰階化、去噪、灰階變換、邊緣檢測、
形态學處理)
由于照片拍攝的好壞有很多外界因素決定,由于光照強度的影響,晴天拍攝的照片與陰天拍攝的照片品質肯定不一樣,白天和晚上更是不同;由于每部車的車速的不一緻,慢速行駛的車輛會比快速行駛的車輛拍攝的照片品質好一些,而且車速過快,會使照片的字迹模糊,這肯定會影響字元的識别。故要對拍攝的照片進行灰階化、二值化、濾波等預處理。傳統的設計方法為:利用靜止的汽車牌照圖檔,利用C 語言或C++語言來對圖像進行處理,程式設計很複雜,維護難度大。而MATLAB 語言對處理圖像而言非常友善,可直接調用已經編好的函數,如可直接調用現成的函數進行複雜的傅裡葉變換、拉普拉斯變換、二值化處理、數字濾波等操作。
- 車牌定位
- 字元分割
- 字元識别
:
I=imread('C:\Documents and Settings\Administrator\桌面\yu.jpg');
figure(1),imshow(I);title('原圖');
I1=rgb2gray(I);
figure(2),subplot(1,2,1),imshow(I1);title('灰階圖');
figure(2),subplot(1,2,2),imhist(I1);title('灰階圖直方圖');
I2=edge(I1,'roberts',0.08,'both');
figure(3),imshow(I2);title('robert算子邊緣檢測')
se=[1;1;1];
I3=imerode(I2,se);
figure(4),imshow(I3);title('腐蝕後圖像');
se=strel('rectangle',[40,40]);
I4=imclose(I3,se);
figure(5),imshow(I4);title('平滑圖像的輪廓');
I5=bwareaopen(I4,2000);
figure(6),imshow(I5);title('從對象中移除小對象');
[y,x,z]=size(I5);
myI=double(I5);
tic
[temp MaxY]=max(Blue_y);
PY1=MaxY;
while((Blue_y(PY1,1)>=120)&&(PY1>1))
PY1=PY1-1;
end
PY2=MaxY;
while((Blue_y(PY2,1)>=40)&&(PY2<y))
PY2=PY2+1;
end
IY=I(PY1:PY2,:,:);
Blue_x=zeros(1,x);
for j=1:x
for i=PY1:PY2
if(myI(i,j,1)==1)
Blue_x(1,j)=Blue_x(1,j)+1;
end
end
end
PX1=1;
while((Blue_x(1,PX1)<3)&&(PX1<x))
PX1=PX1+1;
end
PX2=x;
while((Blue_x(1,PX2)<3)&&(PX2>PX1))
PX2=PX2-1;
end
PX1=PX1-2;
PX2=PX2+2;
dw=I(PY1:PY2,:,:);
t=toc;
figure(7),subplot(1,2,1),imshow(IY),title('行方向合理區域');
figure(7),subplot(1,2,2),imshow(dw),title('定位剪切後的彩色車牌圖像')
imwrite(dw,'dw.jpg');
[filename,filepath]=uigetfile('dw.jpg','輸入一個定位裁剪後的車牌圖像');
jpg=strcat(filepath,filename);
a=imread('dw.jpg');
b=rgb2gray(a);
imwrite(b,'1.車牌灰階圖像.jpg');
figure(8);subplot(3,2,1),imshow(b),title('1.車牌灰階圖像')
g_max=double(max(max(b)));
g_min=double(min(min(b)));
T=round(g_max-(g_max-g_min)/3);
[m,n]=size(b);
d=(double(b)>=T);
imwrite(d,'2.車牌二值圖像.jpg');
figure(8);subplot(3,2,2),imshow(d),title('2.車牌二值圖像')
figure(8),subplot(3,2,3),imshow(d),title('3.均值濾波前')
h=fspecial('average',3);
d=im2bw(round(filter2(h,d)));
imwrite(d,'4.均值濾波後.jpg');
figure(8),subplot(3,2,4),imshow(d),title('4.均值濾波後')
se=strel('square',3);
se=eye(2);
[m,n]=size(d);
if bwarea(d)/m/n>=0.365
d=imerode(d,se);
elseif bwarea(d)/m/n<=0.235
d=imdilate(d,se);
end
imwrite(d,'5.膨脹或腐蝕處理後.jpg');
figure(8),subplot(3,2,5),imshow(d),title('5.膨脹或腐蝕處理後')
d=qiege(d);
[m,n]=size(d);
figure,subplot(2,1,1),imshow(d),title(n)
k1=1;k2=1;s=sum(d);j=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(d(:,[k1+5:k2-5])));
d(:,k1+num+5)=0;
end
end
d=qiege(d);
y1=10;y2=0.25;flag=0;word1=[];
while flag==0
[m,n]=size(d);
left=1;wide=0;
while sum(d(:,wide+1))~=0
wide=wide+1;
end
if wide<y1
d(:,[1:wide])=0;
d=qiege(d);
else
temp=qiege(imcrop(d,[1 1 wide 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
d(:,[1:wide])=0;d=qiege(d);
end
end
[word2,d]=getword(d);
[word3,d]=getword(d);
[word4,d]=getword(d);
[word5,d]=getword(d);
[word6,d]=getword(d);
[word7,d]=getword(d);
figure(9),imshow(word1),title('1');
figure(10),imshow(word2),title('2');
figure(11),imshow(word3),title('3');
figure(12),imshow(word4),title('4');
figure(13),imshow(word5),title('5');
figure(14),imshow(word6),title('6');
figure(15),imshow(word7),title('7');
[m,n]=size(word1);
word1=imresize(word1,[40 20]);
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]);
figure(16);
subplot(3,7,8),imshow(word1),title('1');
subplot(3,7,9),imshow(word2),title('2');
subplot(3,7,10),imshow(word3),title('3');
subplot(3,7,11),imshow(word4),title('4');
subplot(3,7,12),imshow(word5),title('5');
subplot(3,7,13),imshow(word6),title('6');
subplot(3,7,14),imshow(word7),title('7');
imwrite(word1,'1.jpg');
imwrite(word2,'2.jpg');
imwrite(word3,'3.jpg');
imwrite(word4,'4.jpg');
imwrite(word5,'5.jpg');
imwrite(word6,'6.jpg');
imwrite(word7,'7.jpg');
liccode=char(['0':'9' 'A':'Z' '魯陝蘇渝京']);
SubBw2=zeros(40,20); % 建立一個40行20列的0矩陣
l=1;
for I=1:7
ii=int2str(I); % 将整型資料轉換為字元串型資料
t=imread([ii,'.jpg']);% 依次讀入七位車牌字元
SegBw2=imresize(t,[40 20],'nearest'); % 對讀入的字元進行縮放
if I==1 % 第一位漢字識别
kmin=37;
kmax=43;
elseif I==2 % 第二位 A~Z 字母識别
kmin=11;
kmax=36;
else % 第三位以後是字母或數字識别 ;即I>=3
kmin=1;
kmax=36;
end
for k2=kmin:kmax
fname=strcat('字元模闆\',liccode(k2),'.jpg'); % strcat函數:連接配接字元串
SamBw2 = imread(fname);
for i=1:40
for j=1:20
SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
end
end
% 以上相當于兩幅圖相減得到第三幅圖 進行比對
Dmax=0; % 與模闆不同的點個數
end
Error(k2)=Dmax; % 記錄下字元與模闆k2不同的點個數
end
Error1=Error(kmin:kmax);
MinError=min(Error1); % 差别最小的
findc=find(Error1==MinError); % 找出差别最小的模闆
Code(l)=liccode(findc(1)+kmin-1); % 此處用2*l-1且後面的2*l=' ',第隔一空格輸出一個字元
Code(3)=' ';Code(4)=' ';
l=l+1;
if l==3;% 後五位與前兩位字元隔開
l=l+2;
end
end
figure(10),subplot(5,7,1:7),imshow(dw),title('第一步:車牌定位'),
xlabel({'第二步:車牌分割'}); %'',
subplot(6,7,15),imshow(word1);
subplot(6,7,16),imshow(word2);
subplot(6,7,17),imshow(word3);
subplot(6,7,18),imshow(word4);
subplot(6,7,19),imshow(word5);
subplot(6,7,20),imshow(word6);
subplot(6,7,21),imshow(word7);
subplot(6,7,22:42),imshow('dw.jpg');%
xlabel(['第三步:識别結果為: ', Code],'Color','b');
}
void t0(void) interrupt 1 using 0
{
TH0=STH0;
TL0=STL0;
P1_0=~P1_0;
}
s=strcat('渝','A','N','7','9','6','8');
figure(25);
imshow(dw),title(s);