基于MATLAB的车牌识别毕业设计(4)

图形窗口。为此，可使用以下命令：

clear; close all

然后使用图像选取函数imread就可以读取一幅图像。假设要读取图像为pout.tif(该图像是图像处理工具箱自带的图像)，并将他存储在一个名为I的数组中，使用命令：I=imread(‘pout.tif’);

然后调用inshow命令来显示图像：inshow(I) 本设计中图像的读取程序如下：

imread('E:/车牌图片.jpg');

figure(),subplot(3,2,1),imshow(I),title('原始图像')

图3.2 .原始图像

Figure对象是MATLAB系统中包括GUI设计编辑窗在内所有显示窗口。在系统运行极限条件下，用户可以创建任意多个Figure窗。所有Figure对象的父对象都是Root对象，而其他所有MATLAB图形对象都是Figure对象的子对象。

如果当前没有创建任何Figure对象，MATLAB在调用一个绘图函数（如plot 函数

mesh函数）时，都自动创建一个Figure对象，如果在 MATLAB系统中已经包括了好多Figure窗，系统则总是指定一个Figure窗为当前窗口，以后所有的函数默认把它作为输出

图行窗。如果当前只有GUI设计编辑窗，MATLAB系统也默认为无可用的Figure窗，及调用绘图函数时将重新创建一个Figure对象。

16

3.4 预处理及边缘提取

提取并定位车牌 图3.3 预处理及边缘提取流程图

平滑处理 灰度校正 原始图像 3.4.1 图像的采集与转换

考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。因为蓝色（255，0，0）与白色（255，255，255）在B 通道中并无区分，而在G、R 通道或是灰度图像中并无此便利。同理对白底黑字的牌照可用R 通道，绿底白字的牌照可以用G 通道就可以明显呈现出牌照区域的位置，便于后续处理。原图、灰度图及其直方图见图2与图3。对于将彩色图像转换成灰度图像时，图像灰度值可由下面的公式计算：

G?0.110B?0.588G?0.302R （3.4.1.1）

B?G?RG? （3.4.1.2）

33.4.2 图像预处理

图像预处理是对原始资料进行遥感器效应和几何及辐射效应等的应用前期

17

处理，是将每一个文字图像分检出来交给识别模块识别。在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。

图像预处理是车牌定位的准备工作，以提高车牌图片的适用性。图像不仅包括车牌照，而且还有汽车本身和汽车背景图像，因此必须去掉这些非牌照图像的影响，才有可能正确的提取出牌照区域，为以后的车牌字符识别打下基础。在实际用用中，由于季节的更替、自然光照的昼夜变化、光照的稳定性与均匀性、车辆自身的运动、观察点、采集图像的设备本身因素等的影响，因而必须对图像进行预处理，以改善图像质量，提高字符识别率。 3.4.3 图像增强

对车辆图像进行灰度化处理值后，车牌部分和非车牌部分图像的对比度并不是很高，此时如果直接进行边缘提取，由于车牌界限较为模糊，难以提取出车牌边缘，因此难以准确定位车牌。为了增强牌照部分图像和其他部位图像的对比度，使其明暗鲜明，有利于提高识别率，需要将车辆图像进行增强。

图像增强的目的是对图像进行加工，以得到对具体应用来说视觉效果更适合计算机识别的图像。增强图像的方法有很多，如灰度变换、图像平滑处理和线性滤波等，根据处理图像域又可以分为空间增强与领域增强。目前用于车牌图像增强的方法有：灰度拉伸直方图均衡中值滤波高斯滤波图像腐蚀同等滤波等等。 3.4.4灰度变换

灰度图是指只包含亮度信息，不包含彩色信息的图像，例如平时看到的亮度连续变化的黑白照片就是一幅灰度图。灰度化处理就是将一幅彩色图像转换成为灰度图像的过程。彩色图像分为R、G、B三个分量，分别显示出红、绿、蓝等各种颜色，灰度化就是彩色的R、G、B分量相等的过程。灰度值大的像素点比较亮，反之比较暗。输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。

18

图像灰度化的算法主要由以下3种：

（1）最大值法：是转化后R、G、B的值等于转化前3个之中最大的一个，即:

R?G?B?max(R,G,B) （3.4.4.1）

这种方法转换的灰度图亮度高。

（2）平均值法：使转化后R、G、B的值为转化前R、G、B的平均值

R?G?B?(R?G?B)/3 （3.4.4.2）

这种方法产生的灰度图像比较柔和。

（3）加权平均值法：按照一定的权值，对R、G、B的值加权平均，即：

R?G?B???RR??GG??BB?/3 （3.4.4.3）

其中，?R、?G、?B分别为R、G、B的权值。?R、?G、?B取不同的值，将形成不同的灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使?R＞?G＞?B将得到较易识别的灰度图像。

图3.4.灰度图像

灰度图像显示最基本的调用格式如下： imshow(I)

imshow 函数是通过将灰度值表杜威灰度级调色版的索引来显示图像。如果

19

I是双精度类型，若像素值为0.0，则显示为黑色，1.0则显示为白色，0.0和1.0之间的类型，像素值将显示为灰影。如果I为unit16则像素值65535将被显示为白色。

imshow函数显示灰度图像的另一种调用格式是：是用明确地指定灰度级数目。例如，以下语句将显示一幅32个灰度及的图像I：

imshow(I，32)

此次毕业设计中灰度图像显示的语句为： I1=rgb2gray(I);

figure(2),subplot(1,2,1),imshow(I1);title（'灰度图'）；

为了更好地观察图像的灰度分布信息，可以用imhist函数创建描述图像灰度分布的直方图，并使用figure命令将直方图显示在一个新的图像窗口，程序语句如下：

figure(2),subplot(1,2,2),imhist(I1);title('灰度直方图')

从图3.4中可以看出，由于图像的灰度范围比较狭窄，没有覆盖整个灰度范围[0,255]，并且图像中灰度值的高低区分较明显，因而能产生好的对比效果。 3.4.5 图象平滑的介绍

图像平滑是对图像作低通滤波,可在空间域或频率域实现。空间域图像平滑方法主要用低通卷积滤波、中值滤波等；频率域图像平滑常用的低通滤波器有低通梯形滤波器、低通高斯滤波器、低通指数滤波器、巴特沃思低通滤波器等。对于受噪声干扰严重的图像，由于噪声点多在频域中映射为高频分量，因此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。例如，某一象素点的邻域S 有两种表示方法：8邻域和4邻域分别对应的邻域平均值为，

1g(i,j)?M(i,j)?s?f(i,j) （3.4.5.1）

其中，M为邻域中除中心象素点f(i,j)之外包括的其它象素总数，对于4邻域M=4，8邻域M=8。然而，邻域平均值的平滑处理会使得图像灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图像模糊现象，我们给中心点像素值与其邻域平均值的差值设置一固定的阈值，

20

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于MATLAB的车牌识别毕业设计(4)在线全文阅读。