车牌识别（MATLAB)
直接上程序：
%车牌识别程序
%根据hsv色彩定位法定位车牌，将图像转为HSV模型，获取每个像素点的HSV值，判断是否为蓝色像素点，统计每行每列蓝色像素点的个数，从而获取车牌位置
%根据该位置对原始彩色图像进行剪裁，并进行二值化，滤波、去点处理，为字符分割做准备
%按顺序切割出7个字符，并保存为7张图片
%分别提取图片和模板进行比较，将比较结果最接近的确定为对应模板，并最终显示车牌识别结果
I=imread('E:\车牌识别 - 2\程序、配套的字符模板、车牌照片 - 2\车牌照片\car2.jpg'); %读入车牌照片
figure(1),imshow(I),title('原图');
%%%%根据hsv色彩定位法定位车牌%%%%
Image=im2double(I); %把图像数据类型转换为double类型
Image=rgb2hsv(Image); %将RGB图像转化为hsv模型，H色相，S饱和度，V亮度
[y,x,~]=size(Image);
Blue_y = zeros(y, 1);
p=[0.56 0.71 0.4 1 0.3 1 0];
for i = 1 : y
for j = 1 : x
hij = Image(i, j, 1); %取出每个像素点的H、S、V值
sij = Image(i, j, 2);
vij = Image(i, j, 3);
if (hij>=p(1) && hij<=p(2)) &&( sij >=p(3)&& sij<=p(4))&&(vij>=p(5)&&vij<=p(6)) %若像素点的HSV处于蓝色的HSV范围
Blue_y(i, 1) = Blue_y(i, 1) + 1;%统计每行的蓝色像素点数目
end
end
end
[~, MaxY] = max(Blue_y);%获取蓝色像素点最多的行号
Th = p(7); %Th=0
PY1 = MaxY;
while ((Blue_y(PY1,1)>Th) && (PY1>0))%找到车牌上边界
PY1 = PY1 - 1;
end
PY2 = MaxY;
while ((Blue_y(PY2,1)>Th) && (PY2 y
PY2 = y;
end
It=I(PY1:PY2,:,:);%Y方向获取原图的车牌区域
figure(2),subplot(3,1,1),imshow(It),title('hsv色彩分割法进行车牌行定位结果');
IY = Image(PY1:PY2, :, :); %对HSV模型图像Image在Y方向进行截取
[y1,x1,z1]=size(IY);
Blue_x=zeros(1,x1);
for j = 1 : x1
for i = 1 : y1
hij = IY(i, j, 1); %获取每个像素点的HSV
sij = IY(i, j, 2);
vij = IY(i, j, 3);
if (hij>=p(1) && hij<=p(2)) &&( sij >=p(3)&& sij<=p(4))&&(vij>=p(5)&&vij<=p(6))%若为蓝色像素点
Blue_x(1, j) = Blue_x(1, j) + 1; %记录每一列蓝色像素数目
end
end
end
PX1=1;PX2=x1;%找到左右边界
while Blue_x(1, PX1)==0
PX1=PX1+1;
end
while Blue_x(1, PX2)==0
PX2=PX2-1;
end
I1=I(PY1:PY2,PX1:PX2,:);%车牌剪裁
figure(2),subplot(3,1,2),imshow(I1),title('hsv色彩分割法车牌定位结果');
I2=rgb2gray(I1);
%%%%字符分割前的图像处理%%%%
%边界校正
[y,x,z]=size(I2);%I2有y行x列
PX1=round(x*5/440);%根据实际车牌比例，将边框部分去除
PX2=x-round(x*5/440);
PY1=round(y*16/140);
PY2=y-round(y*16/140);
fprintf('校正后 左边界=%d、右边界=%d、上边界=%d、下边界=%d',PX1,PX2,PY1,PY2);
%彩色图像车牌部分截取
dw=I1(PY1:PY2,PX1:PX2,:);%对边界进行截取
figure(2),subplot(3,1,3),imshow(dw),title('边界校正结果');
imwrite(dw,'dw.jpg');%把截取后的彩色图像新创建一张图片，命名为dw
a=imread('dw.jpg');
b=rgb2gray(a);
imwrite(b,'1.车牌灰度图像.jpg');
g_max=double(max(max(b)));%得出剪裁后灰度图矩阵的最大值，并变成双精度浮点型
g_min=double(min(min(b)));%得出剪裁后灰度图矩阵的最小值，并变成双精度浮点型
T=round(g_max-(g_max-g_min)/2); % T为二值化的阈值，round用于取整
d=(double(b)>=T); % d:二值图像
imwrite(d,'2.车牌二值图像.jpg');
figure(3),subplot(3,1,1),imshow(d),title('二值图像');
% 滤波
h=fspecial('average',3);%创建一个二维滤波器，average是类型，3是参数
d=im2bw(round(filter2(h,d)));%filter2进行滤波处理，im2bw使用阈值变换法把灰度图像转换成二值图像
imwrite(d,'4.均值滤波后.jpg');
%去点处理
d=cut(d);
[m,n]=size(d);
d(:,round(n*122/430):round(n*137/430))=0;%去除中间的点
d=bwareaopen(d,65);%用于删除二值图像中面积小于一个定值（此处为65）的对象，默认情况下使用8邻域
figure(3),subplot(3,1,2),imshow(d),title('去点处理');
%上下边框处理，找到上下边界处像素值小于20的行，并将整行设为零
s=zeros(1,m);
i=1;
while i<=m
s(i)=sum(d(i,:));
i=i+1;
end
j=0;c=zeros(1,m);%c矩阵用于记录下边框处像素值小于20的行，用于确定边框与字符间空隙的位置
while j20&&jround(m*115/140)%如果是下边框
c(j)=j;%将下边界处理中像素值小于20的行记录下来
d(j,:)=0;
end
j=j+1;
end
jj=round(m/2);%这里是为了找到下边界处理中，被记录下来的最小行（即边框和字符间空隙的上沿），所以从中间开始往下找，直到找到的第一个非零数
while c(jj)==0
jj=jj+1;
end
d((jj:m),:)=0;%将这一行以下皆设为0
d=cut(d);
figure(3),subplot(3,1,3),imshow(d),title('上下边框处理');
imwrite(d,'5.切割前.jpg');
%%%%字符分割%%%%
[~,n]=size(d);
% 切割出 7 个字符
% 第一个字符，
y1=n*15/440;y2=0.25;flag=0;word1=[];
while flag==0
[m,~]=size(d);
left=1;wide=0;
while sum(d(:,wide+1))~=0 % 找到像素和为零的列
wide=wide+1;
end
if widey2%验证是否为字符
flag=1;word1=temp; %获取第一个字符word1
end
d(:,(1:wide))=0;d=cut(d);%当提取第一个字符结束或者不满足上述条件时，将该区域变为0，并切除
end
end
% 分割出第二个字符
[word2,d]=extract(d);
% 分割出第三个字符
[word3,d]=extract(d);
% 分割出第四个字符
[word4,d]=extract(d);
% 分割出第五个字符
[word5,d]=extract(d);
% 分割出第六个字符
[word6,d]=extract(d);
% 分割出第七个字符
[word7,d]=extract(d);
[m,n]=size(word1);
%归一化大小为 40*20
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]);
%将切割下来短的字符保存为图片
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');
%%%%字符识别%%%%
%建立自动识别字符代码表
liccode=char(['0':'9' 'A':'H' 'J':'N' 'P':'Z' '藏川鄂甘赣桂贵黑沪吉冀津晋京辽鲁蒙闽宁青琼陕苏皖湘新渝豫粤云浙']); %建立自动识别字符代码表
SubBw2=zeros(40,20);
l=1;
for I=1:7
ii=int2str(I);%将整形变成字符串
t=imread([ii,'.jpg']);
SegBw2=imresize(t,[40 20],'nearest');
%进行二值化，方便比较
g_max=double(max(max(SegBw2)));
g_min=double(min(min(SegBw2)));
T=round(g_max-(g_max-g_min)/2); % T为二值化的阈值
SegBw2=(double(SegBw2)>=T); % SegBw2切割下来的字符的二值图像
if l==1 %第一位汉字识别
kmin=35;
kmax=65;
elseif l==2 %第二位 A~Z 字母识别
kmin=11;
kmax=34;
else l>=3; %第三位以后是字母或数字识别
kmin=1;
kmax=34;
end
%在每一位对应区间按顺序提取字符模板
for k2=kmin:kmax
fname=strcat('字符模板',liccode(k2),'.jpg');
SamBw2 = imread(fname);
if(k2~=2)
SamBw2=rgb2gray(SamBw2);
end
g_max=double(max(max(SamBw2)));%二值化处理字符模板
g_min=double(min(min(SamBw2)));
T=round(g_max-(g_max-g_min)/2); % T为二值化的阈值
SamBw2=(double(SamBw2)>=T); % SamBw2为字符模板的二值图像
%字符图像与模板进行比较
a1(k2)=corr2(SegBw2,SamBw2);
end
A1=a1(kmin:kmax);%将比较结果放入矩阵A1
MaxA1=max(A1);%找到比较结果最大值
findc=find(A1==MaxA1);%获取最大值所在位置
Code(l*2-1)=liccode(findc(1)+kmin-1);
Code(l*2)=' ';
l=l+1;%进行下一字符的提取和比较
end
figure(4),subplot(2,7,1:7),imshow(dw),title('车牌定位结果'),
xlabel({'','车牌切割结果'});
subplot(2,7,8),imshow(word1);
subplot(2,7,9),imshow(word2);
subplot(2,7,10),imshow(word3);
subplot(2,7,11),imshow(word4);
xlabel(['识别结果为: ', Code]);
subplot(2,7,12),imshow(word5);
subplot(2,7,13),imshow(word6);
subplot(2,7,14),imshow(word7); 运行结果如下
（车牌随便找的，为了保护他人权益，用了较粗暴的涂鸦方式）
工程文档下载请到： https://download.csdn.net/download/lc886/12576374