基于MATLAB的车牌识别系统毕业论文

对于车牌识别系统而言，以上的每一个步骤都是必不可少的，并且后一步骤均是建立在前面步骤的基础之上进行的，因此，只有确保做好每一步才能顺利完成系统最终的识别工作。

一、对车辆图像进行预处理

1.载入车牌图像： function [d]=main(jpg)

[filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'}); if(filename == 0), return, end global FILENAME %定义全局变量 FILENAME = [pathname filename]; I=imread(FILENAME);

figure(1),imshow(I);title('原图像');%将车牌的原图显示出来结果如下：

2.将彩图转换为灰度图并绘制直方图： I1=rgb2gray(I);%将彩图转换为灰度图

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

figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图结

果如下所示：

3. 用roberts算子进行边缘检测：

I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测 figure(3),imshow(I2);title('roberts 算子边缘检测图像'); 结果如下：

4.图像实施腐蚀操作： se=[1;1;1];

I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作

figure(4),imshow(I3);title('腐蚀后图像');

5.平滑图像

se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个se I4=imclose(I3,se);% 图像聚类、填充图像 figure(5),imshow(I4);title('平滑图像'); 结果如下所示：

6. 删除二值图像的小对象

I5=bwareaopen(I4,2000);% 去除聚团灰度值小于2000的部分

figure(6),imshow(I5);title('从对象中移除小的对象'); 结果如下所示 ：

二、车牌定位

[y,x,z]=size(I5);%返回I5各维的尺寸，存储在x,y,z中 myI=double(I5);%将I5转换成双精度

tic %tic表示计时的开始，toc表示计时的结束 Blue_y=zeros(y,1);%产生一个y*1的零阵 for i=1:y for j=1:x

if(myI(i,j,1)==1)

%如果myI(i,j,1)即myI的图像中坐标为(i,j)的点值为1，即该点为车牌背景颜色蓝色 %则Blue_y(i,1)的值加1

Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end end