图像分割识别.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：(XLL)/(2(X1)L)21/Y，以此为特征，取metric=Y*area/perimeter2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256256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); 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 onfor k = 1:length(B)boundary = Bk;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：(4.5LL)/(2(4.51)L)21/27，以此为特征，取metric=27*area/perimeter2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% 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 = Bk;% 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/perimeter2;% 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 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; 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。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，200782 郁梅等.基于视觉的车辆牌照检测,计算机应用研究,1999(5),P6567 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,2004,44455 Applications of the Fourier Transform, Matlab 7.0 Help Documents, The MathWorks.五、 附录：实验源程序：I = imread(car.jpg); figure(1),imshow(I);title(原始图像);I2 = rgb2gray(I); %读取待处理的图像，将其转化为二值图像。I4 = im2bw(I2, 0.2) ; %通过设定亮度阈值将真彩色转换成二值图像。figure(2),imshow(I4);title(二值图像);bw = bwareaopen(I4, 500); %删除二值图像bw中面积小于500的图像。figure(3),imshow(bw);title(从对象中移除小对象);se = strel(disk,15); %创建圆盘半径15。bw = imclose(bw,se); %对图像实现闭运算,平滑图像的轮廓。figure(4),imshow(bw);title(平滑图像的轮廓);bw = imfill(bw,1 1); %孔填充处理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 onfor k = 1:length(B)boundary = Bk;plot(boundary(:,2),boundary(:,1),w,LineWidth,2)end% 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 = Bk;% 计算边界周长delta_sq = diff(boundary).2; perimeter = sum(sqrt(sum(delta_