篇一：车牌识别的matlab程序(程序,讲解,模板) clc clear close all I=imread('chepai.jpg'); subplot(3,2,1);imshow(I), title('原始图像'); I_gray=rgb2gray(I); subplot(3,2,2),imshow(I_gray),title('灰度图像'); %======================形态学预处理 ====================== I_edge=edge(I_gray,'sobel'); subplot(3,2,3),imshow(I_edge),title('边缘检测后图像'); se=[1;1;1]; I_erode=imerode(I_edge,se); subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); I_close=imclose(I_erode,se);%图像闭合、填充图像 subplot(3,2,5),imshow(I_close),title('填充后图像'); I_final=bwareaopen(I_close,2000); %去除聚团灰度值小于2000的部分 subplot(3,2,6),imshow(I_final),title('形态滤波后图像');
%==========================车牌分割 ============================= I_new=zeros(size(I_final,1),size(I_final,2)); location_of_1=[]; for i=1:size(I_final,1)
%寻找二值图像中白的点的位置
for j=1:size(I_final,2) if I_final(i,j)==1; newlocation=[i,j]; location_of_1=[location_of_1;newlocation];end
end end mini=maxi=0; for i=1:size(location_of_1,1) %寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置
temp=location_of_1(i,1)+location_of_1(i,2);
if temp&minimini=a=i;
end if temp&maximaxi=b=i;end end first_point=location_of_1(a,:);
%和最小的点为车牌的左上角 last_point=location_of_1(b,:);%和最大的点为车牌的右下角 x1=first_point(1)+4; %坐标值修正 x2=last_point(1)-4; y1=first_point(2)+4; y2=last_point(2)-4; I_plate=I(x1:x2,y1:y2); I_plate=OTSU(I_plate);
%以OTSU算法对分割出的车牌进行自适应二值化处理 I_plate=bwareaopen(I_plate,50); figure,imshow(I_plate),title('车牌提取') %画出最终车牌
%=========================字符分割============================ X=[]; %用来存放水平分割线的横坐标 flag=0; for j=1:size(I_plate,2) sum_y=sum(I_plate(:,j)); if logical(sum_y)~=flag%列和有变化时，记录下此列X=[X j]; flag=logical(sum_y);
end end figure for n=1:7 char=I_plate(:,X(2*n-1):X(2*n)-1); %进行粗分割 for i=1:size(char,1)%这两个for循环对分割字符的上下进行裁剪if sum(char(i,:))~=0 top=i; breakend
end for i=1:size(char,1) if sum(char(size(char,1)-i,:))~=0 bottom=size(char,1)-i; breakend
end char=char(top:bottom,:); subplot(2,4,n);imshow(char); char=imresize(char,[32,16],'nearest'); %归一化为32*16的大小，以便模板匹配
eval(strcat('Char_',num2str(n),'='));
%将分割的字符放入Char_i中end
%==========================
字符识别============================= char=[]; store1=strcat('京','津','沪','渝','冀','晋','辽','吉','黑','苏','浙'...
,'皖','闽','赣','鲁','豫','鄂','湘','粤','琼','川','贵','云','陕'...
,'甘','青','藏','桂','皖','新','宁','港','鲁','蒙');
for j=1:34 Im=Char_1; Template=imread(strcat('chinese\',num2str(j),'.bmp')); %chinese文件附在最后Template=im2bw(Template);Differ=Im-T Compare(j)=sum(sum(abs(Differ)));
end index=find(Compare==(min(Compare))); char=[char store1(index)]; store2=strcat('A','B','C','D','E','F','G','H','J','K','L','M','M','N','P','Q','R'...
,'S','T','U','V','W','X','Y','Z','0','1','2','3','4','5','6','7','8','9'); for i=2:7%字母数字识别
for j=1:35 Im=eval(strcat('Char_',num2str(i))); Template=imread(strcat('cha&num\',num2str(j),'.bmp'));
%cha&num文件附在最后Template=im2bw(Template);Differ=Im-T Compare(j)=sum(sum(abs(Differ)));
end index=find(Compare==(min(Compare)));
char=[char store2(index)]; end figure,imshow(I),title(strcat('车牌为:',char)) 模式识别作业―车牌识别 1、作业要求： 要求：任给一幅符合假定的图片，自动识别出车牌号。 如：给定如下图片，自动输出（京JX9168）
2、设计步骤： 所设计的车牌识别的流程包括图像预处理，车牌分割，字符分割，及字符识别。详见matalb程序。 3、程序讲解 1）第一部分为图像的预处理。 此部分借鉴了别人的程序，将灰度图像以sobel算子检测边缘；再对边缘图像进行腐蚀，去除掉细的，间断的边缘；对剩下的区域进行闭合以填充图像，此时可以看到车牌区域形成了一个大的连通域；调用bwareaopen函数去掉小的连通域，此时整个二值图像只b剩下了车牌区域为1。如下图所示：2）第二部分为车牌的提取 此部分的工作为将上一步的白色区域取出，其对应的就是车牌区域。设计思路如下：首先将二值图像f中所有为1的点的坐标放入数组location_of_1中，对这些坐标遍历计算，寻找x坐标与y坐标之和最大的点a与最小的点b，a即为车牌的左上角，b为车牌的右下角。通过这两个坐标将车牌分割出来，并对灰度车牌图像以OTSU算法进行自适应二值化分割。最终效果如下： 篇二：车牌字符识别的三种算法的比对 摘要 摘
要 车牌识别技术是智能交通系统中的重要组成部分，它在违章抓拍，不停车收费，停车场管理以及重要场所过往车辆的实时登记等方面都有重要的作用。论文从车牌字符识别的理论出发，基于MATLAB语言对现有的模板匹配，神经网络，基于向量机（SVM）等方法在字符识别过程中的优缺点以及识别率进行系统的研究。论文的主要工作如下： 1. 针对车牌图片的预处理包括去噪，增强，分割，提取字符等等； 2. 构建模板匹配，神经网络，基于向量机（SVM）字符识别的相关测试数据； 3. 分别实现模板匹配字符识别算法，神经网络字符识别算法，基于向量机 （SVM）字符识别算法，并做相应识别率的实验，将三者的实验结果进行比对； 4. 基于MATLAB GUI做三种算法系统的界面。
车牌识别模板匹配神经网络向量机识别率 ABSTRACT ABSTRACT License plate recognition technology is the intelligent transportation system an important part of it illegal to capture, no parking, parking management, and an important place in the past, real-time vehicle registration and other aspects important role. Papers from the license plate character recognition theory, MATLAB language based on the existing template matching, neural network, based on vector machines (SVM) and other methods in the process of character recognition and the recognition rate of the advantages and disadvantages of the system. The main work is as follows: 1. Pre-treatment, including the license plate image denoising, enhancement, segmentation, extraction of character, etc. 2. Construction of template matching, neural network, based on the vector machine (SVM) test data related to c 3. Respectively, to achieve template matching algorithm for character recognition, neural network character recognition algorithm based on vector machines (SVM) algorithm for character recognition, and recognition rate accordingly experiment, the three sides to compare the
4. Do three algorithms based on MATLAB GUI interface of the system.
Keywords: License Plate Recognition
Template matching
Neural network Vector
Recognition rate 目
录 第一章 序言 ............................................................................................................... 1 1.1 课题研究背景以及意义 ................................................................................. 1 1.2 本文主要的研究内容 ..................................................................................... 1 第二章 车牌图像的预处理............................................................................................. 5 2.1 图像的平滑处理 ............................................................................................. 5 2.1.1 平滑处理的理论 ...................................................................................... 5 2.1.2 平滑处理的实现 ...................................................................................... 6 2.2 图像的二值化处理 ......................................................................................... 7 2.2.1 二值化处理的理论 .................................................................................. 7 2.2.2 二值化处理的实现 .................................................................................. 7 2.3 二值图像的形态学运算 ................................................................................. 8 2.3.1形态学运算的理论 ................................................................................... 8 2.4 对字符进行分割 ........................................................................................... 10 2.4.1 字符分割的理论 .................................................................................... 10 2.4.2
字符分割的实现 .................................................................................. 11 第三章 基于模板匹配算法的车牌字符识别算法 ...................................................... 13 3.1 模板匹配算法的理论背景 ........................................................................... 13 3.2 模板匹配算法的实现及识别率的研究 ....................................................... 16 3.3 本章小结 ....................................................................................................... 19 第四章 基于神经网络算法的车牌字符识别算法 ...................................................... 21 4.1
神经网络算法的理论背景 .......................................................................... 21 4.2
神经网络算法的实现及识别率的研究 ...................................................... 27 4．3 本章小结 .................................................................................................... 33 第五章
基于向量机（SVM）算法的车牌字符识别算法 ....................................... 35 5.1 向量机（SVM）算法的理论背景 ............................................................... 35篇三：模板比较的车牌识别算法的研究与实现 本科毕业设计(论文)
基于模板比较的车牌识别算法的研究与实现
学院名称 专业班级 学生姓名 信息学院计科08-1 郝高祥 导师姓名
二○一二 年 六 月 十一 日 齐鲁工业大学本科毕业设计（论文）原创性声明
本人郑重声明：所呈交的毕业设计（论文），是本人在指导教师的指导下独 立研究、撰写的成果。设计（论文）中引用他人的文献、数据、图件、资料，均已在设计（论文）中加以说明，除此之外，本设计（论文）不含任何其他个人或集体已经发表或撰写的成果作品。对本文研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示了谢意。本声明的法律结果由本人承担。
毕业设计（论文）作者签名：年
齐鲁工业大学关于毕业设计（论文）使用授权的说明
本毕业设计（论文）作者完全了解学校有关保留、使用毕业设计（论文）的规定，即：学校有权保留、送交设计（论文）的复印件，允许设计（论文）被查阅和借阅，学校可以公布设计（论文）的全部或部分内容，可以采用影印、扫描等复制手段保存本设计（论文）。
指导教师签名：
毕业设计（论文）作者签名：年
日目 录 摘
要 ............................................................................................ III ABSTRACT .......................................................................................... IV 第一章绪论 ........................................................................ 1 1.1 课题背景和意义 .......................................................................... 1 1.2 国内外研究现状 .......................................................................... 1 1.3 本文所做主要工作 ....................................................................... 2 1.4章节安排 ....................................................................................... 3 第二章
车牌识别算法和技术简介 ...................................... 4 2.1 图像的灰度化 .............................................................................. 4 2.2 图像的二值化和阈值处理 ........................................................... 4 2.3 图像的倾斜矫正 .......................................................................... 5 2.4字符识别技术 ............................................................................... 5 2.4.1字符识别技术概念 .................................................................... 5 2.4.2常用字符识别技术简介 ............................................................ 6 2.5 模板匹配算法 .............................................................................. 7 2.5.1模板匹配算法原理 .................................................................... 7 2.5.2常用模板匹配算法简介 ............................................................ 8 第三章
系统分析与设计 ...................................................... 9 3.1系统需求及功能分析 .................................................................... 9 3.2功能模块设计 ............................................................................... 9 3.2.1图像预处理模块 ........................................................................ 93.2.2车牌定位模块 ........................................................................... 9 3.2.3字符分割模块 ......................................................................... 10 3.2.4字符识别模块 ......................................................................... 10 3.3系统流程设计 ............................................................................. 10 3.4技术开发平台 ............................................................................. 11 3.4.1 Microsoft Visual Studio 2008简介 .................................. 11 第四章
系统功能与实现 .................................................... 12 4.1图像预处理模块 ......................................................................... 12 4.1.1图像灰度化 ............................................................................. 12 4.1.2图像的灰度均衡 ...................................................................... 14 4.1.3图像的高斯滤波 ...................................................................... 15 4.2 车牌定位模块 ............................................................................ 18 4.2.1 Sobel边缘检测 ...................................................................... 18 4.2.2 车牌定位分割 ........................................................................ 22 4.3 字符分割模块 ............................................................................ 24 4.3.1 车牌人工矫正 ........................................................................ 24 4.3.2 车牌的灰度化和二值化 ......................................................... 28 4.3.3 车牌字符的分割 ..................................................................... 30 4.4 字符识别模块 ............................................................................ 32 4.5 压缩模板匹配技术 ..................................................................... 34 4.5.1样本集分类预处理 .................................................................. 34 4.5.2压缩模板生成 ......................................................................... 344.5.3压缩模板集构造与扩展 .......................................................... 35 4.5.4基于压缩模板集的模板匹配 ................................................... 35 4.6 车牌识别系统的测试 ................................................................. 36 结束语 .............................................................................................. 37 参考文献 .......................................................................................... 38 致
谢 .............................................................................................. 39相关热词搜索：君，已阅读到文档的结尾了呢~~
matlab车牌识别例子(好好看看提取字符部分)
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
matlab车牌识别例子(好好看看提取字符部分)
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于MATLAB的车牌识别系统设计与实现
基于MATLAB的车牌识别系统设计与实现
发布: | 作者:－－ | 来源: －－ | 查看:668次 | 用户关注：
摘& 要: 通过对车牌定位、车牌字符分割和车牌字符识别进行研究，提出了一种车牌识别系统的设计和实验仿真方法。该方法首先采用基于Canny 算子边缘检测和数学形态学相结合的方法定位出车牌,进行二值化、滤波和形态学开运算后使用投影二分法分割出7个车牌字符,最后使用模板匹配和特征统计相结合的方法识别出车牌字符。试验表明该方法是有效的、可行的,与传统使用单一算法相比较，该方法大大提高了车牌识别系
摘& 要: 通过对车牌定位、车牌字符分割和车牌字符识别进行研究，提出了一种车牌识别系统的设计和实验仿真方法。该方法首先采用基于Canny 算子边缘检测和数学形态学相结合的方法定位出车牌,进行二值化、滤波和形态学开运算后使用投影二分法分割出7个车牌字符,最后使用模板匹配和特征统计相结合的方法识别出车牌字符。试验表明该方法是有效的、可行的,与传统使用单一算法相比较，该方法大大提高了车牌识别系统的正确率。
关键词: 图像预处理； 车牌定位； 车牌字符分割； 车牌字符识别
&&& 随着世界经济和科学技术的不断发展,智能交通系统越来越多地被人们所关注。车牌识别LPR(License Plate Recognition)是智能交通系统中重要研究课题[1]，已成为图像处理和模式识别研究中的热点。整个车牌识别系统主要包括图像预处理、车牌定位、车牌字符分割、车牌字符识别4个模块，其流程图如图1所示。
&& &图像预处理主要是将输入的彩色图像转换为灰度图像，再进行灰度增强，以达到较好的凸显车牌字符的效果。这里首先将24位R、G、B的彩色图像按式(1)转换成256级的灰度图，以减少存储和计算量，图2是转换后的车牌灰度图。
1 车牌定位
&&& 车牌定位是车牌识别系统中关键的一步，直接关系到车牌字符分割的准确性和系统识别的正确率[2]。通过比较4种典型的边缘检测算子，选择Canny算子对车牌进行边缘检测，然后对车牌进行形态学处理，并统计图像中白色像素点的个数定位出车牌区域。
1.1 4种典型的边缘检测算子
　边缘检测的目的是标识数字图像中亮度变化明显的点，车牌识别4种典型的边缘检测算子有：Roberts算子、Prewitt算子、Sobel算子和Canny算子，图3是这4种典型的边缘检测算子对车牌图像的检测效果图。
&&& 实验结果表明,Roberts算子对边缘定位比较准，但对噪声过于敏感，在图像噪声较少的情况下分割效果相当不错。Prewitt算子有一定的抗噪能力，但是这种抗噪能力是通过像素平均来实现的,相当于低通滤波，所以图像有一定模糊,其边缘检测时会受到一定影响。Soble算子对噪声有抑制作用,但对边缘的定位不是很准确，不适合对边缘定位的准确性要求很高的应用。Canny算子具有高定位精度，即能准确地把边缘点定位在灰度变化最大的像素上，同时较好地保留了原有车形的边缘特征，并能抑制虚假边缘的产生，因此本文选取Canny算子作为车牌图像边缘检测算子。
&& &Canny算子边缘检测的实现是由MATLAB图像处理工具箱中edge函数来完成的。edge函数主要是在灰度图像中查找图像的边缘，处理图像的格式为BW=edge(I,&Canny&,thresh),其中I为灰度图像；thresh是一个包含两个阈值的向量，第一个元素是低阈值，第二个元素是高阈值，本文Canny算子边缘检测的MATLAB参数设置如下：
&& &I2=edge(I1,&Canny&,[0.25,0.65]);
&& &figure(3),imshow(I2);title(&Canny算子边缘检测&);
1.2数学形态学处理
　数学形态学是由一组形态学的代数运算算子组成的，用这些算子可以对图像的形状和结构进行分析及处理[3]。通过对图像的腐蚀和膨胀运算能使车牌区域连通，并最大限度地消除非车牌区域的噪声干扰。腐蚀和膨胀后的车牌图像如图4所示。
本页面信息由华强电子网用户提供，如果涉嫌侵权，请与我们客服联系，我们核实后将及时处理。
应用与方案分类
&&& 目前，处理器性能的主要衡量指标是时钟