资源简介
MATLB模板识别字符分割和识别有问题,可以用于参考。In recent years, with the increasing number of vehicles, traffic problems have caused people to pay more attention to vehicle management. Nowadays, we can use the existing image processing technology to make our vehicle management more convenient. For example, Alibaba's urban brain is very good in the field of intelligent transportation. License Plate Recognition (LPR), as a key link in the field of intelligent transportation, can help us to acquire relevant information of automobiles. It is of great significance for us to manage traffic vehicles, establish community parking lots, check traffic, combat crime, and effective security work.

代码片段和文件信息
clear ;
close all;
web -browser http://www.ilovematlab.cn/thread-23229-1-1.html
%Step1 获取图像 装入待处理彩色图像并显示原始图像
Scolor = imread(‘3.jpg‘);%imread函数读取图像文件
%将彩色图像转换为黑白并显示
Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图
figureimshow(Scolor)title(‘原始彩色图像‘);%figure命令同时显示两幅图像
figureimshow(Sgray)title(‘原始黑白图像‘);
%Step2 图像预处理 对Sgray 原始黑白图像进行开操作得到图像背景
s=strel(‘disk‘13);%strei函数
Bgray=imopen(Sgrays);%打开sgray s图像
figureimshow(Bgray);title(‘背景图像‘);%输出背景图像
%用原始图像与背景图像作减法,增强图像
Egray=imsubtract(SgrayBgray);%两幅图相减
figureimshow(Egray);title(‘增强黑白图像‘);%输出黑白图像
%Step3 取得最佳阈值,将图像二值化
fmax1=double(max(max(Egray)));%egray的最大值并输出双精度型
fmin1=double(min(min(Egray)));%egray的最小值并输出双精度型
level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值
bw22=im2bw(Egraylevel);%转换图像为二进制图像
bw2=double(bw22);
%Step4 对得到二值图像作开闭操作进行滤波
figureimshow(bw2);title(‘图像二值化‘);%得到二值图像
grd=edge(bw2‘canny‘)%用canny算子识别强度图像中的边界
figureimshow(grd);title(‘图像边缘提取‘);%输出图像边缘
bg1=imclose(grdstrel(‘rectangle‘[519]));%取矩形框的闭运算
figureimshow(bg1);title(‘图像闭运算[519]‘);%输出闭运算的图像
bg3=imopen(bg1strel(‘rectangle‘[519]));%取矩形框的开运算
figureimshow(bg3);title(‘图像开运算[519]‘);%输出开运算的图像
bg2=imopen(bg3strel(‘rectangle‘[191]));%取矩形框的开运算
figureimshow(bg2);title(‘图像开运算[191]‘);%输出开运算的图像
%Step5 对二值图像进行区域提取,并计算区域特征参数。进行区域特征参数比较,提取车牌区域
[Lnum] = bwlabel(bg28);%标注二进制图像中已连接的部分
Feastats = imfeature(L‘basic‘);%计算图像区域的特征尺寸
Area=[Feastats.Area];%区域面积
BoundingBox=[Feastats.BoundingBox];%[x y width height]车牌的框架大小
RGB = label2rgb(L ‘spring‘ ‘k‘ ‘shuffle‘); %标志图像向RGB图像转换
figureimshow(RGB);title(‘图像彩色标记‘);%输出框架的彩色图像
lx=0;
for l=1:num
width=BoundingBox((l-1)*4+3);%框架宽度的计算
hight=BoundingBox((l-1)*4+4);%框架高度的计算
if (width>98 & width<160 & hight>25 & hight<50)%框架的宽度和高度的范围
lx=lx+1;
Getok(lx)=l;
end
end
for k= 1:lx
l=Getok(k);
startcol=BoundingBox((l-1)*4+1)-2;%开始列
startrow=BoundingBox((l-1)*4+2)-2;%开始行
width=BoundingBox((l-1)*4+3)+8;%车牌宽
hight=BoundingBox((l-1)*4+4)+2;%车牌高
rato=width/hight;%计算车牌长宽比
if rato>2 & rato<4
break;
end
end
sbw1=bw2(startrow:startrow+hightstartcol:startcol+width-1); %获取车牌二值子图
subcol1=Sgray(startrow:startrow+hightstartcol:startcol+width-1);%获取车牌灰度子图
figuresubplot(211)imshow(subcol1);title(‘车牌灰度子图‘);%输出灰度图像
subplot(212)imshow(sbw1);title(‘车牌二值子图‘);%输出车牌的二值图
%Step6 计算车牌水平投影,并对水平投影进行峰谷分析
histcol1=sum(sbw1); %计算垂直投影
histrow=sum(sbw1‘); %计算水平投影
figuresubplot(211)bar(histcol1);title(‘垂直投影(含边框)‘);%输出垂直投影
subplot(212)bar(histrow); title(‘水平投影(含边框)‘);%输出水平投影
figuresubplot(211)bar(histrow); title(‘水平投影(含边框)‘);%输出水平投影
subplot(212)imshow(sbw1);title(‘车牌二值子图‘);%输出二值图
%对水平投影进行峰谷分析
meanrow=mean(histrow);%求水平投影的平均值
minrow=min(histrow);%求水平投影的最小值
levelrow=(meanrow+minrow)/2;%求水平投影的平均值
count1=0;
l=1;
for k=1:hight
if histrow(k)<=levelrow
count1=count1+1;
else
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 1090205 2019-04-23 19:52 car4.png
目录 0 2019-04-20 13:28 work\
文件 35993 2008-12-27 09:51 work\3.jpg
目录 0 2019-04-20 13:28 work\sam\
文件 534 2008-12-27 16:26 work\sam\image1.jpg
文件 521 2008-12-29 15:01 work\sam\image2.jpg
文件 541 2008-12-29 15:01 work\sam\image3.jpg
文件 532 2008-12-29 15:01 work\sam\image4.jpg
文件 536 2008-12-29 15:01 work\sam\image5.jpg
文件 527 2008-12-29 15:01 work\sam\image6.jpg
文件 525 2008-12-29 15:01 work\sam\image7.jpg
文件 519 2008-12-29 15:01 work\sam\image8.jpg
文件 11395 2008-12-27 11:42 work\sam\Sam0.jpg
文件 11169 2008-12-27 11:43 work\sam\Sam1.jpg
文件 514 2008-12-27 10:12 work\sam\Sam2.jpg
文件 522 2008-12-27 10:12 work\sam\Sam3.jpg
文件 11416 2008-12-27 11:43 work\sam\Sam4.jpg
文件 509 2008-12-27 10:12 work\sam\Sam5.jpg
文件 11467 2008-12-27 11:44 work\sam\Sam6.jpg
文件 11219 2008-12-27 11:44 work\sam\Sam7.jpg
文件 529 2008-12-27 10:12 work\sam\Sam8.jpg
文件 510 2008-12-27 10:12 work\sam\Sam9.jpg
文件 528 2008-12-27 10:12 work\sam\SamA.jpg
文件 11546 2008-12-27 10:20 work\sam\SamB.jpg
文件 11417 2008-12-27 10:27 work\sam\SamC.jpg
文件 11464 2008-12-27 10:28 work\sam\SamD.jpg
文件 11490 2008-12-27 10:29 work\sam\SamE.jpg
文件 11379 2008-12-27 11:32 work\sam\SamF.jpg
文件 11520 2008-12-27 11:33 work\sam\SamG.jpg
文件 11427 2008-12-27 11:33 work\sam\SamH.jpg
文件 11107 2008-12-27 11:34 work\sam\SamI.jpg
............此处省略29个文件信息
- 上一篇:深思4加密狗的分析.rar
- 下一篇:stm32控制步进电机加减速
相关资源
- bp神经网络源代码,可直接运行
- 编程实现二维DCT变换
- 改进的BP神经网络算法
- 图像二值化
- 用FFT对信号进行频谱分析
- 基于bp神经网络的表情识别
- Tone-Reservation
- QGA 量子遗传算法
- 差分形式的阻滞增长模型
- 遗传算法的M文件
- 简单二阶互联系统的非线性动力学分
- 基于ARIMA、BP神经网络与GM的组合模型
- 基于双隐含层BP神经网络的预测
- 手写数字识别-模板匹配法
- Stock_Watson_动态因子分析模型
- 果蝇优化算法优化支持向量回归程序
- 自己做的一个简单GUI扑克纸牌识别-
- 基于PSO优化BP神经网络的水质预测研究
- multi output SVR
- BP神经网络算法逼近一个正弦函数
- AR过程的线性建模过程与各种功率谱估
- PCNN TOOLBOX
- plstoolbox.zip
- 中国国家基础地理信息系统GIS数据
- 粒子群微电网优化调度
- 矩阵分析-经典教材-中文版-Roger.A.Ho
- 压缩感知TwIST
- 基于最小错误率的贝叶斯手写数字分
- 最全系统辨识源代码,包括多种最小
- 导弹制导实验
评论
共有 条评论