资源简介
车牌识别(基于模板匹配和神经网络),压缩包里包含神经网络的车牌识别算法、模板匹配的车牌识别算法、车牌字符模板、神经网络训练字符、参考文献
代码片段和文件信息
%% 图像预处理
clear all;
image=imread(‘chepai2.jpg‘);
figure(1)subplot(331)imshow(image);title(‘原图‘);
I1=rgb2gray(image);
figure(1)subplot(332)imshow(I1);title(‘灰度图‘);
figure(1)subplot(333)imhist(I1);title(‘灰度图直方图‘);
I2=edge(I1‘sobel‘0.15‘both‘);
figure(1)subplot(334)imshow(I2);title(‘算子边缘检测‘);
se=[1;1;1];
I3=imerode(I2se);
figure(1)subplot(335)imshow(I3);title(‘腐蚀后图像‘);
se=strel(‘rectangle‘[2020]);
I4=imclose(I3se);
figure(1)subplot(336)imshow(I4);title(‘闭运算后‘);
I5=bwareaopen(I42000);
figure(1)subplot(337)imshow(I5);title(‘从对象中移除小对象‘);
se = strel(‘rectangle‘[50 80]);
I6 = imdilate(I5se);
figure(1)subplot(338);imshow(I6);title(‘膨胀处理‘);
%%
%% 定位车牌
%%%%%%%%%%%%%%%%%%%%%%%%%%%% 找出长宽比在2~4的区域 %%%%%%%%%%%%%%%%%%%%%%%%%%
ed=edge(I6);
L = bwlabel(I6);%标记连通域
L1 = bwlabel(ed);
p=zeros(1max(L1(:)));
for i=1:max(L(:))%得到连通域的长宽比
p(i)=sum(ed(L==i));
[yx]=find(L==i);
x0=min(x(:));
x1=max(x(:));
y0=min(y(:));
y1=max(y(:));
bl=(x1-x0)/(y1-y0);
if bl>2&&bl<4
X0 = x0;
X1 = x1;
Y0 = y0;
Y1 = y1;
end
end
I7=imcrop(image[X0Y0X1-X0Y1-Y0]);
figure(1)subplot(339);imshow(I7);title(‘裁剪后图像‘);
%%%%%%%%%%%%%%%%%%%%%%%%%%%% 根据蓝色像素点定位车牌位置%%%%%%%%%%%%%%%%%%%%%
[xyz]=size(I7);
% 以下为找车牌Y方向蓝色的范围
Blue_y=zeros(y1);% zeros(MN) 表示的是M行*N列的全0矩阵
for i=1:x
for j=1:y
if(I7(ij3)>(I7(ij1)+I7(ij2))&&(I7(ij3)>128))%% 判断蓝色像素
Blue_y(j1)= Blue_y(j1)+1;% 蓝色像素点统计
end
end
end
PY1=1;
while ((Blue_y(PY11)<10)&&(PY1 PY1=PY1+1; %PY1是Y坐标方向蓝色范围的下限
end
PY2=y;
while ((Blue_y(PY21)<10)&&(PY2>PY1))
PY2=PY2-1; %PY2是Y坐标方向蓝色范围的上限
end
% 以下为找车牌X方向蓝色的范围
Blue_x=zeros(1x);
for i=1:x
for j=1:y % 只需扫描的行
if(I7(ij3)>(I7(ij1)+I7(ij2))&&(I7(ij3)>128)) %% 判断蓝色像素
Blue_x(1i)= Blue_x(1i)+1; % 蓝色像素点统计
end
end
end
PX1=1;
while ((Blue_x(1PX1)<5)&&(PX1 PX1=PX1+1; %PX1是X坐标方向蓝色范围的下限
end
PX2=x;
while ((Blue_x(1PX2)<3)&&(PX2>PX1))
PX2=PX2-1; %PX2是X坐标方向蓝色范围的上限
end
I8=I7(PX1:PX2PY1:PY2:);% 裁剪图像
figure(2);imshow(I8)title(‘定位剪切后的彩色车牌图像‘);
%%
%% 倾斜矫正
I9=rgb2gray(I8);
figure(4)subplot(221);imshow(I9);title(‘灰度图‘);
I10=edge(I9);
figure(4)subplot(222);imshow(I10);title(‘边缘检测‘);
theta=1:180;
[Rxp]=radon( I10theta);
[I0J]=find(R>=max(max(R)));%找倾斜角
qxj=90-J;
I11=imrotate(I8qxj‘bilinear‘‘crop‘);
figure(4)subplot(223);imshow(I8);title(‘原图‘);
figure(4)subplot(224);imshow(I11);title(‘倾斜矫正‘);
thresh = graythresh(I9); %自动确定二值化阈值;
I12 = im2bw(I9thresh);
figure(5)subplot(121);imshow(I12);title(‘二值化‘);
I13=imrotate(I12qxj‘bilinear‘‘crop‘);
figure(5)subplot(122);imshow(I13);t
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2019-12-07 16:44 周鹏-2019250068-机电学院-车牌识别\
目录 0 2019-12-07 16:29 周鹏-2019250068-机电学院-车牌识别\charSamples\
目录 0 2019-12-07 16:29 周鹏-2019250068-机电学院-车牌识别\charSamples\0\
文件 376 2013-11-07 08:35 周鹏-2019250068-机电学院-车牌识别\charSamples\0\10_0.792674_gray_14967_5950_step5_recog_4_0_0.890217_0.705652.png
文件 413 2013-11-10 08:12 周鹏-2019250068-机电学院-车牌识别\charSamples\0\11_0.971377_gray_20751_8531_step5_recog_4_0_0.996446_0.967925.png
文件 413 2013-11-09 08:47 周鹏-2019250068-机电学院-车牌识别\charSamples\0\12_0.953826_gray_975_407_step5_recog_5_0_0.987086_0.941508.png
文件 376 2013-11-06 07:31 周鹏-2019250068-机电学院-车牌识别\charSamples\0\13_0.924615_gray_5457_2092_step5_recog_6_0_0.987233_0.912810.png
文件 413 2013-11-07 10:29 周鹏-2019250068-机电学院-车牌识别\charSamples\0\14_0.749970_gray_17934_7138_step5_recog_4_0_0.787806_0.590831.png
文件 398 2013-11-07 01:38 周鹏-2019250068-机电学院-车牌识别\charSamples\0\15_0.877296_gray_8040_2899_step5_recog_4_0_0.969689_0.850704.png
文件 390 2013-11-09 16:11 周鹏-2019250068-机电学院-车牌识别\charSamples\0\16_0.949891_gray_12542_5631_step5_recog_5_0_0.989526_0.939942.png
文件 413 2013-11-05 23:09 周鹏-2019250068-机电学院-车牌识别\charSamples\0\17_0.906434_gray_1645_517_step5_recog_3_0_0.985269_0.893081.png
文件 413 2013-11-04 07:38 周鹏-2019250068-机电学院-车牌识别\charSamples\0\18_0.494551_gray_4696_2106_step5_recog_5_D_0.340885_0.168585.png
文件 413 2013-11-10 17:49 周鹏-2019250068-机电学院-车牌识别\charSamples\0\19_0.968513_gray_35240_14963_step5_recog_4_0_0.994962_0.963633.png
文件 390 2013-11-05 11:37 周鹏-2019250068-机电学院-车牌识别\charSamples\0\1_0.822474_gray_13564_5332_step5_recog_2_0_0.891312_0.733081.png
文件 452 2013-11-07 09:17 周鹏-2019250068-机电学院-车牌识别\charSamples\0\20_0.737201_gray_16436_6504_step5_recog_3_0_0.828133_0.610500.png
文件 328 2013-11-09 09:13 周鹏-2019250068-机电学院-车牌识别\charSamples\0\21_0.750968_gray_1741_702_step5_recog_5_0_0.724394_0.543997.png
文件 578 2013-11-06 07:23 周鹏-2019250068-机电学院-车牌识别\charSamples\0\22_0.610848_gray_4813_1822_step5_recog_6_0_0.772820_0.472076.png
文件 429 2013-11-08 21:58 周鹏-2019250068-机电学院-车牌识别\charSamples\0\23_0.976079_gray_9338_3994_step5_recog_4_0_0.996512_0.972675.png
文件 404 2013-11-05 10:21 周鹏-2019250068-机电学院-车牌识别\charSamples\0\24_0.876098_gray_12240_4810_step5_recog_6_0_0.960593_0.841573.png
文件 398 2013-11-10 13:17 周鹏-2019250068-机电学院-车牌识别\charSamples\0\25_0.978677_gray_28271_11796_step5_recog_3_0_0.997614_0.976341.png
文件 845 2013-11-07 07:07 周鹏-2019250068-机电学院-车牌识别\charSamples\0\26_0.915550_gray_9737_3597_step5_recog_6_0_0.984816_0.901648.png
文件 413 2013-11-06 16:41 周鹏-2019250068-机电学院-车牌识别\charSamples\0\27_0.942230_gray_2943_1159_step5_recog_4_0_0.982740_0.925967.png
文件 390 2013-11-06 07:09 周鹏-2019250068-机电学院-车牌识别\charSamples\0\28_0.845480_gray_4035_1484_step5_recog_2_0_0.902136_0.762738.png
文件 436 2013-11-07 08:11 周鹏-2019250068-机电学院-车牌识别\charSamples\0\29_0.736003_gray_13772_5440_step5_recog_4_0_0.816986_0.601304.png
文件 413 2013-11-04 17:45 周鹏-2019250068-机电学院-车牌识别\charSamples\0\2_0.734930_gray_10773_4652_step5_recog_6_0_0.932386_0.685239.png
文件 595 2013-11-08 12:21 周鹏-2019250068-机电学院-车牌识别\charSamples\0\30_0.669019_gray_4754_2801_step5_recog_4_0_0.669949_0.448209.png
文件 443 2013-11-04 11:41 周鹏-2019250068-机电学院-车牌识别\charSamples\0\31_0.941303_gray_3574_1589_step5_recog_5_0_0.991813_0.933597.png
文件 390 2013-11-10 14:35 周鹏-2019250068-机电学院-车牌识别\charSamples\0\32_0.910823_gray_30504_12844_step5_recog_2_0_0.938536_0.854839.png
文件 413 2013-11-09 00:43 周鹏-2019250068-机电学院-车牌识别\charSamples\0\33_0.944410_gray_10675_4406_step5_recog_5_0_0.977869_0.923509.png
文件 443 2013-11-04 10:34 周鹏-2019250068-机电学院-车牌识别\charSamples\0\34_0.913401_gray_2467_1090_step5_recog_3_0_0.986072_0.900679.png
文件 376 2013-11-05 07:53 周鹏-2019250068-机电学院-车牌识别\charSamples\0\35_0.908210_gray_6976_2539_step5_recog_4_0_0.974391_0.884952.png
............此处省略1795个文件信息
- 上一篇:IP-ALARM软件
- 下一篇:ET超排 非NE 正宗秒排 免
相关资源
- CNN卷积神经网络识别手写汉字MNIST数据
- 神经网络识别数字训练集
- 卷积神经网络CNN进行图像分类
- 神经网络—yolov3Tiny的cfg和权重文件
- [神经网络设计].(美国)Hagan.清晰版
- 模板匹配算法实现
- 神经网络原理(S.Haykin)-高清PDF扫描
- opencv2+vs2013实现表情识别 ,SVM+BP神经
- 卷积神经网络实现情感分类
- 神经网络与模糊神经网络
- 小波神经网络在电力系统短期电价预
- 吴恩达卷积神经网络课件与笔记
- 神经网络实用教程
- 脑机接口导论.zip
- 卷积神经网络图像分类和检测必看论
- BP神经网络详解与.pdf
- 人工神经网络基础_超高清pdf
- 人工神经网络理论、设计及应用_第
- 吴恩达-深度学习-改善深层神经网络课
- 34种字符识别-BP神经网络算法-VS2103+
- OpenCV ANN 神经网络 数字识别
- 43个神经网络的代码,也有详解
- 基于CNN和SVM的猫狗识别
- 基于主成分分析和贝叶斯正则化BP神经
- 基于模板匹配的车牌识别系统实例9
- 神经网络与深度学习MichaelNielsen神经网
- 基于Hopfield神经网络的数字识别程序
- 有导师学习神经网络的分类——鸢尾
- 卷积神经网络实现车牌识别.zip
- 图神经网络 - 南洋理工大学 - lecture
评论
共有 条评论