第1页 / 共8页
第2页 / 共8页
第3页 / 共8页
第4页 / 共8页
第5页 / 共8页
第6页 / 共8页
第7页 / 共8页
第8页 / 共8页
数字图像处理大实验（汽车车牌定位与字符识别）.doc
实 验 报 告
课程名称
数字图像处理
题
目
汽车车牌定位与字符识别
汽车车牌定位与字符识别
一、 实验目的：
1、巩固理论课上所学的知识。
2、锻炼动手能力、激发研究潜能，增强理论联系实际的能力。
二、 设计原理与步骤：
定位汽车车牌并识别其中的字符，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。
2、去除图像中不是车牌的区域。
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。
4、此时车牌所在白色连通域已清晰可见，但一个更大的连通域将车牌所在
连通域包围了，需将其填充。
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。
6、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 X:1，其面积和周长存在关系：
(X × L × L)/(2 × (X ＋ 1) × L)2 ≈ 1/Y ， 以 此 为 特 征 ， 取
metric=Y*area/perimeter^2 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 X:1 的矩形。
7、将车牌图像反白处理，并扩充为 256×256 的方阵，以便傅立叶变换中矩
阵旋转运算的进行。
8、从文件读取一个字符模板。对图像计算傅立叶描述子，用预先定义好的
决策函数对描述子进行计算。变换后的图像中，亮度的高低指示相应区
域与模板的匹配程度。
9、确定一个合适的门限，显示亮度大于该门限的点，也就是与模板的匹配
程度最高的位置。
10、对照图片，可以说明相应字符被识别和定位了。
三、实验记录及分析：
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。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。
I = imread('car.jpg');
I2 = rgb2gray(I);
I4 = im2bw(I2, 0.2);
1
原 始 图 像
二 值 图 像
原始图像
二值图像
去除图像中面积过小的，可以肯定不是车牌的区域。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。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。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。
bw = imfill(bw,[1 1]);
[B,L] = bwboundaries(bw,4);
imshow(label2rgb(L, @jet, [.5 .5 .5]))
hold on
for k = 1:length(B)
boundary = B{k};
从 对 象 中 移 除 小 对 象
plot(boundary(:,2),boundary(:,1),'w','LineWidth',2)
end
从对象中移除小对象
平滑图像的轮廓
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：(4.5×L×L)/(2×(4.5＋1)×L)2≈
1/27，以此为特征，取 metric=27*area/perimeter^2 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
2
% 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 = B{k};
% 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/perimeter^2;
% 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 <= 1.1
centroid = stats(k).Centroid;
plot(centroid(1),centroid(2),'ko');
% 提取该连通域所对应在二值图像中的矩形区域
goalboundary = boundary;
s = min(goalboundary, [], 1);e = max(goalboundary, [], 1);
goal = imcrop(I4,[s(2) s(1) e(2)-s(2) e(1)-s(1)]); end
1.38
% 显示匹配度字串
text(boundary(1,2)-35,boundary(1,1)+13,...
metric_string,'Color','g',...
'FontSize',14,'FontWeight','bold');end
图示为找到的各个连通区域，中部被标记“○”的矩形匹配度为 1.00，是最
可能的区域。下边是由它确定的二值图像中的车牌区域：
2.06
1.00
0.65
二值图像中的车牌区域
3
将车牌图像反白处理，并扩充为 256×256 的方阵（如下左图），以便下面傅
立叶变换中矩阵旋转运算的进行。
goal=~goal;goal(256,256)=0;figure;imshow(goal);
从文件读取一个字符模板（以“P”为例，模板图像 直接从上述二值图像
中截取得到）。对图像计算傅立叶描述子，用预先定义好的决策函数对描述子进
行计算。变换后的图像中，亮度的高低指示相应区域与模板的匹配程度（如下中
图）。
w = imread('P.bmp');w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
通过检查 C 的最大值，试验确定一个合适的门限（这里 240 比较合适），显
示亮度大于该门限的点，也就是与模板的匹配程度最高的位置（如下右图）。
thresh = 240;figure;imshow(C > thresh);
车牌图像反白处理
变换后的图像
确定定位点
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。如：
识别“B” ：
w = imread('B.bmp');
w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
thresh = 290;
识别“4” ：
w = imread('4.bmp');
w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
thresh = 200;
识别“2” ：
w = imread('2.bmp');
w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
thresh = 250;
4
识别“B”
识别“4”
识别“2”
识别“M” ：
w = imread('M.bmp');
w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
thresh = 265;
识别“8” ：
w = imread('8.bmp');
w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
thresh = 250;
识别“M”
识别“8”
由图可见，该程序对于“8”与“B”这样相似的字符，识别时常常混淆。
5
四、 参考文献：
[1] 冈萨雷斯．数字图像处理（第二版）．电子工业出版社，2007．8
[2] 郁梅等.基于视觉的车辆牌照检测,计算机应用研究,1999(5),P65～67
[3] 刘阳.等.数字图象处理应用于车辆牌照的识别.辽宁大学学报.2004
[4] 宋建才.汽车牌照识别技术研究[J].工业控制计算机,2004,44～45
[5] Applications of the Fourier Transform, Matlab 7.0 Help Documents,
The MathWorks.
五、 附录：
实验源程序：
%读取待处理的图像，将其转化为二值图像。
%通过设定亮度阈值将真彩色转换成二值图像。
%删除二值图像 bw 中面积小于 500 的图像。
I = imread('car.jpg');
figure(1),imshow(I);
title('原始图像');
I2 = rgb2gray(I);
I4 = im2bw(I2, 0.2) ;
figure(2),imshow(I4);
title('二值图像');
bw = bwareaopen(I4, 500);
figure(3),imshow(bw);
title('从对象中移除小对象');
se = strel('disk',15);
bw = imclose(bw,se);
figure(4),imshow(bw);
title('平滑图像的轮廓');
bw = imfill(bw,[1 1]);
[B,L] = bwboundaries(bw,4); %获取二值图中对象的轮廓,求周长。
imshow(label2rgb(L, @jet, [.5 .5 .5]))
hold on
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2),boundary(:,1),'w','LineWidth',2)
end
% 找到每个连通域的质心
%创建圆盘半径 15。
%对图像实现闭运算,平滑图像的轮廓。
%孔填充处理
6
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 = B{k};
% 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/perimeter^2;
% 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 <= 1.1
centroid = stats(k).Centroid;
plot(centroid(1),centroid(2),'ko');
% 提取该连通域所对应在二值图像中的矩形区域
goalboundary = boundary;
s = min(goalboundary, [], 1);
e = max(goalboundary, [], 1);
goal = imcrop(I4,[s(2) s(1) e(2)-s(2) e(1)-s(1)]);
end
% 显示匹配度字串
text(boundary(1,2)-35,boundary(1,1)+13,...
metric_string,'Color','g',...
'FontSize',14,'FontWeight','bold');
end
goal = ~goal;
goal(256,256) = 0;
figure(5);
imshow(goal);
w = imread('P.bmp');
w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
thresh = 240;
figure(6);
imshow(C > thresh);
7
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
